CN114432674B - 一种自行车的仿真骑行训练方法及系统 - Google Patents

Abstract

本发明提供了一种自行车的仿真骑行训练方法及系统，其中，方法包括：步骤1：获取并显示第一用户输入的骑行训练项目对应的训练场景；步骤2：当第一用户骑行开始时，获取第一用户基于骑行台输入的多个第一骑行行为，同时，基于第一骑行行为，对训练场景进行更新配置并动态显示；步骤3：当第一用户骑行结束后，获取骑行训练项目适宜的评价策略；步骤4：基于评价策略，对第一骑行行为进行评价，显示评价结果。本发明的自行车的仿真骑行训练方法及系统，实现仿真骑行训练，使得用户更加投入训练，避免长时间骑行训练产生枯燥感，另外，骑行训练结束后，自动进行训练评价，便于用户查看了解，提升了训练效果，更提升了用户体验。

Description

一种自行车的仿真骑行训练方法及系统

技术领域

本发明涉及运动训练技术领域，特别涉及一种自行车的仿真骑行训练方法及系统。

背景技术

目前，由于城市内的普通道路的交通状况较为复杂以及城市内的空气质量不够理想等问题，很多骑行爱好者均选择在家中基于骑行台进行骑行训练，但是，骑行台只提供骑行功能，长时间骑行训练用户会感觉枯燥，另外，骑行训练缺少点评，往往需要用户自身进行总结，降低了训练效果，用户体验较差。

发明内容

本发明提供一种自行车的仿真骑行训练方法及系统，。

本发明提供一种自行车的仿真骑行训练方法，包括：

步骤1：获取并显示第一用户输入的骑行训练项目对应的训练场景；

步骤2：当第一用户骑行开始时，获取第一用户基于骑行台输入的多个第一骑行行为，同时，基于第一骑行行为，对训练场景进行更新配置并动态显示；

步骤3：当第一用户骑行结束后，获取骑行训练项目适宜的评价策略；

步骤4：基于评价策略，对第一骑行行为进行评价，显示评价结果。

优选的，步骤1：获取并显示第一用户输入的骑行训练项目对应的训练场景，包括：

获取并显示预设的骑行训练项目表；

获取第一用户从骑行训练项目表中挑选的骑行训练项目；

查询预设的训练场景库，确定骑行训练场景项目对应的训练场景；

显示训练场景；

其中，训练场景的场景类型包括：闯关训练、挑战训练和赛道训练。

优选的，步骤3中，获取骑行训练项目适宜的评价策略，包括：

获取骑行训练项目对应的备选的多个评价策略项；

获取预设的打分节点集，打分节点集包括：多个打分节点；

获取打分节点对评价策略项进行打分的第一打分；

获取打分节点对应的节点权重，赋予对应第一打分节点权重，获得第二打分，并与对应评价策略项进行关联；

累加计算评价策略项关联的第二打分，获得打分和；

若最大打分和大于等于预设的第一阈值，将最大打分和对应的评价策略项作为评价策略，完成获取；

否则，将大于等于预设的第二阈值的打分和对应的评价策略项进行策略合并，获得评价策略，完成获取；

其中，第一阈值大于第二阈值。

优选的，获取打分节点对应的节点权重，包括：

获取打分节点对应的多个第一历史节点行为；

查询预设的模拟必要值库，确定第一历史节点行为对应的模拟必要值；

若模拟必要值大于等于预设的模拟必要阈值，获取第一历史节点行为对应的行为流程，基于预设的行为流程模拟模型，在预设的行为空间中模拟行为流程；

在模拟行为流程的模拟过程中，基于预设的规范评价模型，对模拟过程进行规范评价，获得第一评价值，并将第一评价值作为第一历史节点行为对应的第一目标值；

否则，查询预设的评价值库，确定第一历史节点行为对应的第二评价值，并将第二评价值作为第一历史节点行为对应的第一目标值；

解析第一历史节点行为的行为类型，行为类型包括：主动行为和被动行为；

当第一历史节点行为的行为类型为主动行为时，将第一历史节点行为对应的第一目标值作为第二目标值；

当第一历史节点行为的行为类型为被动行为时，获取第一历史节点行为对应的被动事件；

获取打分节点对应于被动事件的参与权重，赋予第一历史节点行为对应的第一目标值参与权重，获得第三目标值；

累加计算全部第二目标值和第三目标值，获得打分节点对应的节点权重，完成获取。

优选的，自行车的仿真骑行训练方法，还包括：

基于预设的触发圈设置规则，在训练场景中的骑行道上设置至少一个第一触发圈，当训练场景中的虚拟自行车驶入任一第一触发圈时，对第一用户进行相应针对训练。

优选的，对第一用户进行相应针对训练，包括：

将虚拟自行车驶入的第一触发圈作为第二触发圈；

获取第二触发圈对应的标准行为库；

当虚拟自行车驶入第二触发圈后，每隔预设的第一时间段获取第一用户新产生的第一骑行行为，并作为第二骑行行为；

将第二骑行行为与标准行为库中的第一标准行为进行行为匹配，若匹配符合，将匹配符合的第一标准行为作为第二标准行为，同时，将标准行为库中除第二标准行为之外的第一标准行为作为第三标准行为；

获取第二标准行为对应的行为得分，同时，获取第三标准行为对应的行为失分；

当虚拟自行车驶出第二触发圈时，累加计算全部行为得分和行为失分，获得分数和；

若分数和大于等于预设的第三阈值，获取第三标准行为对应的建议标识；

将建议标识设置于训练场景内空闲的第一标识点位上；

若分数和小于等于预设的第四阈值，获取分数和对应的第二时间段；

获取虚拟自行车驶入第二触发圈的第一时刻；

确定第一时刻前与第一时刻相隔第二时间段的第二时刻；

获取训练场景对应于第二时刻的场景配置信息；

基于场景配置信息，对训练场景进行还原配置；

当还原配置完成后，提示第一用户停止骑行，同时，获取第二触发圈对应的辅助控制策略和多个提示标识；

提示第一用户重新开始骑行，当第一用户重新开始骑行时，基于辅助控制策略，对骑行台进行相应控制，同时，将提示标识设置于训练场景内空闲的第二标识点位上；

若分数和小于第三阈值且大于第四阈值，获取第三标准行为对应的演示动画；

当骑行结束后，显示播放演示动画；

其中，第三阈值大于等于第四阈值。

优选的，当虚拟自行车撞上训练场景内的障碍物时，获取对应第一撞击参数，基于第一撞击参数，确定适宜的第一反馈控制策略，同时，基于第一反馈控制策略，对骑行台进行相应反馈控制。

优选的，基于第一撞击参数，确定适宜的第一反馈控制策略，包括：

获取第一用户对应的多个第一撞击反应记录，第一撞击反应记录包括：第二撞击参数、第二反馈控制策略和第一用户产生的至少一个反应行为；

提取第一撞击参数的多个第一参数特征，同时，获取预设的价值类型集，价值类型集包括：多个第一价值类型；

依次遍历第一撞击反应记录，每次遍历时，提取遍历到的第一撞击反应记录中的第二撞击参数的第二参数特征；

将第一参数特征与第二参数特征进行特征匹配，若匹配符合，获取匹配符合的第一参数特征或第二参数特征对应的第二价值类型和第一价值度，并将第一价值度和与第二价值类型相同的第一价值类型进行关联；

当遍历第一撞击反应记录结束后，依次遍历第一价值类型，每次遍历时，累加计算遍历到的第一价值类型关联的第一价值度，获得第一价值度和；

获取遍历到的第一价值类型对应的第一价值度和阈值，若第一价值度和小于第一价值度和阈值，计算第一价值度和与第一价值度和阈值之间的差值，并与遍历到的第一价值类型进行关联；

当遍历第一价值类型结束后，累加计算各个关联有差值的第一价值类型关联的差值，获得差值和；

若差值和小于等于预设的差值和阈值，将全部第一撞击反应记录和第一撞击参数输入至预设的第一反馈控制策略制定模型，获取第一反馈控制策略输出的第一反馈控制策略，完成确定；

否则，将关联有差值的第一价值类型作为第二价值类型；

获取第二价值类型对应的多个大数据节点；

通过大数据节点获取多个其他第二用户对应的多个第二撞击反应记录；

获取第一用户的第一属性信息，提取出第一属性信息的多个第一属性特征，同时，获取第二用户的第二属性信息，并提取出第二属性信息的多个第二属性特征；

将第一属性特征与第二属性特征进行特征匹配，若匹配符合，获取匹配符合的第一属性特征或第二属性特征对应的第二价值度，并与对应第二撞击反应记录进行关联；

累加计算第二撞击反应记录关联的第二价值度，获得第二价值度和；

若第二价值度和大于等于预设的第二价值度和阈值，将对应第二撞击反应记录作为第三撞击反应记录；

将全部第一撞击反应记录、第三撞击反应记录和第一撞击参数输入至预设的第一反馈控制策略制定模型，获取第一反馈控制策略输出的第一反馈控制策略，完成确定。

优选的，自行车的仿真骑行训练方法，还包括：

提供用户对虚拟自行车进行个性化定制。

本发明提供一种自行车的仿真骑行训练系统，包括：

显示模块，用于获取并显示第一用户输入的骑行训练项目对应的训练场景；

配置模块，用于当第一用户骑行开始时，获取第一用户基于骑行台输入的多个第一骑行行为，同时，基于第一骑行行为，对训练场景进行更新配置并动态显示；

获取模块，用于当第一用户骑行结束后，获取骑行训练项目适宜的评价策略；

评价模块，用于基于评价策略，对第一骑行行为进行评价，显示评价结果。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种自行车的仿真骑行训练方法的流程图；

图2为本发明实施例中又一自行车的仿真骑行训练方法的流程图；

图3为本发明实施例中一种自行车的仿真骑行训练系统的示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供一种自行车的仿真骑行训练方法，如图1所示，包括：

步骤1：获取并显示第一用户输入的骑行训练项目对应的训练场景；

步骤2：当第一用户骑行开始时，获取第一用户基于骑行台输入的多个第一骑行行为，同时，基于第一骑行行为，对训练场景进行更新配置并动态显示；

步骤3：当第一用户骑行结束后，获取骑行训练项目适宜的评价策略；

步骤4：基于评价策略，对第一骑行行为进行评价，显示评价结果。

上述技术方案的工作原理及有益效果为：

第一用户通过智能终端(例如：手机和平板等)输入骑行训练项目(例如：弯道闯关训练)，获取骑行训练项目对应的训练场景(例如：连续弯道训练赛道)，并进行显示(可以投屏至用户面向的正前方)；第一用户骑行开始(踩动骑行台的脚踏板)时，获取第一用户基于骑行台输入的第一骑行行为(基于骑行台产生的骑行操作，例如：左转角度、右转角度、前行速度和制动力度等)，基于第一骑行行为，对训练场景进行更新配置并动态显示(例如：赛道画面基于前行速度转变为对应前行动态，赛道上有虚拟单车，虚拟单车的状态基于左转角度和右转角度等进行对应变化)；当用户骑行结束(例如：停止踩脚踏板4秒)后，获取骑行训练项目适宜的评价策略(例如：基于过弯角度变化和速度变化等评价过弯平顺性)，对第一骑行行为进行评价，获得评价结果(例如：过弯平顺得分80)，并显示；

本发明实施例基于用户产生的骑行行为，动态配置并显示训练场景，实现仿真骑行训练，使得用户更加投入训练，避免长时间骑行训练产生枯燥感，另外，骑行训练结束后，自动进行训练评价，便于用户查看了解，提升了训练效果，更提升了用户体验。

本发明提供一种自行车的仿真骑行训练方法，如图2所示，步骤1：获取并显示第一用户输入的骑行训练项目对应的训练场景，包括：

步骤101：获取并显示预设的骑行训练项目表；

步骤102：获取第一用户从骑行训练项目表中挑选的骑行训练项目；

步骤103：查询预设的训练场景库，确定骑行训练场景项目对应的训练场景；

步骤104：显示训练场景；

其中，训练场景的场景类型包括：闯关训练、挑战训练和赛道训练。

上述技术方案的工作原理及有益效果为：

在智能终端上显示预设的骑行训练项目表，该表内包含例如：XX国际赛道训练、连续弯道训练和直线加速挑战训练等；第一用户通过操作智能终端，挑选相应进行训练的骑行训练项目；查询预设的训练场景库(存储有不同骑行训练项目对应的训练场景)，确定对应训练场景并显示；训练场景的场景类型包含闯关训练、挑战训练和赛道训练；

本发明实施例提供多类型丰富的骑行训练项目，便于用户进行不同骑行训练。

本发明提供一种自行车的仿真骑行训练方法，步骤3中，获取骑行训练项目适宜的评价策略，包括：

获取骑行训练项目对应的备选的多个评价策略项；

获取预设的打分节点集，打分节点集包括：多个打分节点；

获取打分节点对评价策略项进行打分的第一打分；

获取打分节点对应的节点权重，赋予对应第一打分节点权重，获得第二打分，并与对应评价策略项进行关联；

累加计算评价策略项关联的第二打分，获得打分和；

若最大打分和大于等于预设的第一阈值，将最大打分和对应的评价策略项作为评价策略，完成获取；

否则，将大于等于预设的第二阈值的打分和对应的评价策略项进行策略合并，获得评价策略，完成获取；

其中，第一阈值大于第二阈值。

上述技术方案的工作原理及有益效果为：

不同的评价标准得出的评价结果也是不同的，因此，在获取适宜的评价策略时，需要保证评价策略的全面性和合理性；打分节点对应于一个对评价策略项进行打分的评价方(例如：专业骑行教练等，对评价策略的全面性和合理性进行打分)，获取打分节点对评价策略项进行打分的第一打分，赋予第一打分节点对应的节点权重(两者相乘，节点权重越大，说明对应打分节点进行打分的结果越具备可依据性)，获得第二打分；累加计算(求和)第二打分，获得打分和；若最大打分和大于等于预设的第一阈值(例如：95)，说明对应评价策略项总体极佳，具备足够的全面性和合理性，可直接作为评价策略；否则(最大打分和小于第一阈值)，将大于等于预设的第二阈值(例如：80)的打分和对应的述评价策略项进行策略合并(去重合并)，获得评价策略，保证评价策略的全面性和合理性。

本发明提供一种自行车的仿真骑行训练方法，获取打分节点对应的节点权重，包括：

获取打分节点对应的多个第一历史节点行为；

查询预设的模拟必要值库，确定第一历史节点行为对应的模拟必要值；

若模拟必要值大于等于预设的模拟必要阈值，获取第一历史节点行为对应的行为流程，基于预设的行为流程模拟模型，在预设的行为空间中模拟行为流程；

在模拟行为流程的模拟过程中，基于预设的规范评价模型，对模拟过程进行规范评价，获得第一评价值，并将第一评价值作为第一历史节点行为对应的第一目标值；

否则，查询预设的评价值库，确定第一历史节点行为对应的第二评价值，并将第二评价值作为第一历史节点行为对应的第一目标值；

解析第一历史节点行为的行为类型，行为类型包括：主动行为和被动行为；

当第一历史节点行为的行为类型为主动行为时，将第一历史节点行为对应的第一目标值作为第二目标值；

当第一历史节点行为的行为类型为被动行为时，获取第一历史节点行为对应的被动事件；

获取打分节点对应于被动事件的参与权重，赋予第一历史节点行为对应的第一目标值参与权重，获得第三目标值；

累加计算全部第二目标值和第三目标值，获得打分节点对应的节点权重，完成获取。

上述技术方案的工作原理及有益效果为：

打分节点对应的节点权重的大小与其历史上产生的第一历史节点行为(进行打分的打分行为)的总体规范程度有关，总体规范程度越大，节点权重越高；但是，一些第一历史节点行为存在复杂的逻辑判断流程(判断评价策略的全面性和合理性等)，需要细致地进行规范程度确定，因此，在确定某一第一历史节点行为的规范程度时，查询预设的模拟必要值库(存储有不同第一历史节点行为对应的模拟必要值)，确定第一历史节点行为对应的模拟必要值，当模拟必要值大于等于预设的模拟必要值阈值时，说明需要进行细致规范程度确定，减少了细致规范程度确定的确定资源，提升了节点权重的获取效率；在进行细致规范程度确定时，获取该第一历史节点行为对应的行为流程(例如：判断策略的全面性和合理性的逻辑流程)，为验证行为流程是否具备可执行性，基于预设的流程模拟模型(预先设置的用于进行流程模拟的模型)，在预设的行为空间(一种模拟空间)中进行行为流程模拟，在模拟过程中，基于预设的规范验证模型(预先设置的用于进行规范验证的模型)，进行规范评价，获得第一评价值，并作为第一目标值；否则(模拟必要值小于模拟必要值阈值)，查询预设的评价值库(存储有不同第一历史节点行为对应的评价值)，确定对应第二评价值，并作为第一目标值；但是，一些第一历史节点行为的产生并非是由其主动产生的主动行为，即被动产生的被动行为，例如：别的打分节点邀请该打分节点协助进行共同打分；因此，解析第一历史节点行为的行为类型，当行为类型为被动行为时，获取对应被动事件(例如：多个打分节点协作共同进行打分)，获取打分节点对应于该被动事件的参与权重(参与权重越大，说明该打分节点进行打分的贡献越大)，赋予对应第一目标值该参与权重，获得第三目标值；累加计算第二目标值和第三目标值即可获得节点权重。

本发明提供一种自行车的仿真骑行训练方法，还包括：

基于预设的触发圈设置规则，在训练场景中的骑行道上设置至少一个第一触发圈，当训练场景中的虚拟自行车驶入任一第一触发圈时，对第一用户进行相应针对训练。

上述技术方案的工作原理及有益效果为：

训练场景中的骑行道大多来自于真实赛道，赛道中会有很多骑行困难的地方，为了进一步提升训练效果，帮助第一用户适应真实赛道的具体骑行状况，需要进行骑行困难地方的针对性训练；预设的触发圈设置规则具体为：在骑行道上一些较难骑行的地方(例如：赛道内的急转弯、陡坡和HC级爬坡等)范围内设置触发圈；当虚拟自行车进入第一触发圈时，由于骑行困难，说明第一用户可能出现骑行动作不规范等问题，需要对第一用户进行针对训练。

本发明提供一种自行车的仿真骑行训练方法，对第一用户进行相应针对训练，包括：

将虚拟自行车驶入的第一触发圈作为第二触发圈；

获取第二触发圈对应的标准行为库；

当虚拟自行车驶入第二触发圈后，每隔预设的第一时间段获取第一用户新产生的第一骑行行为，并作为第二骑行行为；

将第二骑行行为与标准行为库中的第一标准行为进行行为匹配，若匹配符合，将匹配符合的第一标准行为作为第二标准行为，同时，将标准行为库中除第二标准行为之外的第一标准行为作为第三标准行为；

获取第二标准行为对应的行为得分，同时，获取第三标准行为对应的行为失分；

当虚拟自行车驶出第二触发圈时，累加计算全部行为得分和行为失分，获得分数和；

若分数和大于等于预设的第三阈值，获取第三标准行为对应的建议标识；

将建议标识设置于训练场景内空闲的第一标识点位上；

若分数和小于等于预设的第四阈值，获取分数和对应的第二时间段；

获取虚拟自行车驶入第二触发圈的第一时刻；

确定第一时刻前与第一时刻相隔第二时间段的第二时刻；

获取训练场景对应于第二时刻的场景配置信息；

基于场景配置信息，对训练场景进行还原配置；

当还原配置完成后，提示第一用户停止骑行，同时，获取第二触发圈对应的辅助控制策略和多个提示标识；

提示第一用户重新开始骑行，当第一用户重新开始骑行时，基于辅助控制策略，对骑行台进行相应控制，同时，将提示标识设置于训练场景内空闲的第二标识点位上；

若分数和小于第三阈值且大于第四阈值，获取第三标准行为对应的演示动画；

当骑行结束后，显示播放演示动画；

其中，第三阈值大于等于第四阈值。

上述技术方案的工作原理及有益效果为：

在进行针对训练时，需要根据第一用户的骑行表现分情况进行，保证针对训练方式的适宜性；因此，获取虚拟自行车驶入的第二触发圈对应的标准行为库(存储有用户进入该触发圈后应该产生的一系列规范骑行行为)，每隔预设的第一时间段(例如：2秒)获取第一用户新产生的第二骑行行为，并与该标准行为库中的第一标准行为进行匹配，若匹配符合，说明存在骑行规范的第二标准行为，剩余第三标准行为则为第一用户没有做到的标准骑行行为；获取第二标准行为对应的行为得分(正数)，也获取第三标准行为对应的行为失分(负数)，当虚拟自行车驶出第二触发圈时，累加计算全部行为得分和行为失分，获得分数和；若分数和大于等于预设的第三阈值(例如：96)，说明第一用户在该第二触发圈内的骑行行为表现优秀，但仍存在一点不足，为保证不影响第一用户接下来的骑行训练，获取第三标准行为对应的建议标识(例如：“过弯速度有一点点快哦，不安全”)，在训练场景内空闲的第一标识点位上设置，仅进行简单提示，用户可以查看到，得知自己刚刚存在的不足；当分数和小于等于预设的第四阈值(例如：70)，说明第一用户在该第二触发圈内的骑行行为表现较差，存在很大不足，进行强化针对训练，获取分数和对应的第二时间段，基于第二时间段，确定第二时刻(分数和越小，说明表现越差，为保证用户有更好的衔接训练记忆，越往前推，重新开始骑行，即第二时间段越大)；获取训练场景对应于第二时刻的场景配置信息(例如：虚拟自行车位置等)，基于其对训练场景进行还原配置，提示第一用户停止骑行(例如：强制控制骑行台缓慢刹车，显示“请停止前进，开始强化针对训练”)，获取第二触发圈对应的辅助控制策略(例如：强制控制骑行台转向，又例如：当速度足够时，强制控制骑行台缓慢刹车)和多个提示标识(例如：“当前转弯角度3°，需要转弯角度7°”)，提示第一用户重新开始骑行(例如：显示“请开始骑行”)，当重新开始骑行时，基于辅助控制策略，对骑行台进行相应控制，便于第一用户熟悉驶过该第二触发圈的标准动作，并将提示标识设置在第二标识点位上，供用户查看；若分数和小于第三阈值且大于第四阈值，说明表现中等，为尽可能保证不影响第一用户接下来的骑行训练，也能够对用户进行有效指导，获取第三标准行为对应的演示画面(演示在什么位置应如何做出标准动作)，当骑行结束后，显示播放该演示画面。

本发明提供一种自行车的仿真骑行训练方法，当虚拟自行车撞上训练场景内的障碍物时，获取对应第一撞击参数，基于第一撞击参数，确定适宜的第一反馈控制策略，同时，基于第一反馈控制策略，对骑行台进行相应反馈控制。

上述技术方案的工作原理及有益效果为：

为提升趣味性和真实性，一些训练场景内会设置障碍物(例如：石墩和木桩等)，当虚拟自行车撞上障碍物时，获取第一撞击参数(例如：撞击角度和撞击力度等)，确定适宜的第一反馈控制策略(例如：控制骑行台倾斜多少角度、产生多大力度的震动等)，基于第一反馈控制策略，对骑行台进行控制。

本发明提供一种自行车的仿真骑行训练方法，基于第一撞击参数，确定适宜的第一反馈控制策略，包括：

获取第一用户对应的多个第一撞击反应记录，第一撞击反应记录包括：第二撞击参数、第二反馈控制策略和第一用户产生的至少一个反应行为；

提取第一撞击参数的多个第一参数特征，同时，获取预设的价值类型集，价值类型集包括：多个第一价值类型；

依次遍历第一撞击反应记录，每次遍历时，提取遍历到的第一撞击反应记录中的第二撞击参数的第二参数特征；

将第一参数特征与第二参数特征进行特征匹配，若匹配符合，获取匹配符合的第一参数特征或第二参数特征对应的第二价值类型和第一价值度，并将第一价值度和与第二价值类型相同的第一价值类型进行关联；

当遍历第一撞击反应记录结束后，依次遍历第一价值类型，每次遍历时，累加计算遍历到的第一价值类型关联的第一价值度，获得第一价值度和；

获取遍历到的第一价值类型对应的第一价值度和阈值，若第一价值度和小于第一价值度和阈值，计算第一价值度和与第一价值度和阈值之间的差值，并与遍历到的第一价值类型进行关联；

当遍历第一价值类型结束后，累加计算各个关联有差值的第一价值类型关联的差值，获得差值和；

若差值和小于等于预设的差值和阈值，将全部第一撞击反应记录和第一撞击参数输入至预设的第一反馈控制策略制定模型，获取第一反馈控制策略输出的第一反馈控制策略，完成确定；

否则，将关联有差值的第一价值类型作为第二价值类型；

获取第二价值类型对应的多个大数据节点；

通过大数据节点获取多个其他第二用户对应的多个第二撞击反应记录；

获取第一用户的第一属性信息，提取出第一属性信息的多个第一属性特征，同时，获取第二用户的第二属性信息，并提取出第二属性信息的多个第二属性特征；

将第一属性特征与第二属性特征进行特征匹配，若匹配符合，获取匹配符合的第一属性特征或第二属性特征对应的第二价值度，并与对应第二撞击反应记录进行关联；

累加计算第二撞击反应记录关联的第二价值度，获得第二价值度和；

若第二价值度和大于等于预设的第二价值度和阈值，将对应第二撞击反应记录作为第三撞击反应记录；

将全部第一撞击反应记录、第三撞击反应记录和第一撞击参数输入至预设的第一反馈控制策略制定模型，获取第一反馈控制策略输出的第一反馈控制策略，完成确定。

上述技术方案的工作原理及有益效果为：

第一反馈控制策略的适宜性与第一用户的可接受程度有关，若第一用户的可接受程度较小，一直以同样强度的反馈，第一用户会接受不了，产生紧张情绪，降低用户体验，若第一用户的可接受程度较大，一直以同样强度的反馈，第一用户可能觉得趣味性不足，真实性也较低，也降低了用户体验；另外，由于撞击的情况复杂不同，即使给用户简单设置自己的可接受程度，也是不准确的；

因此，获取第一用户对应的多个第一撞击反应记录，其包含第二撞击参数(历史上产生撞击的参数，与第一撞击参数同理)、第二反馈控制策略(撞击后对骑行台的控制策略，与第一反馈控制策略同理)和反应行为(例如：撞击后的表情行为等)；可以基于第一撞击反应记录进行第一反馈控制策略的制定(例如：历史上存在与第一撞击参数相似的第二撞击参数，用户反应难受，难以接受，说明对应反馈控制策略需要调小反馈幅度)，但是，第一撞击反应记录不一定能够供制定，需要获取大数据进行辅助共同制定，然而，大数据获取需要更多的资源占用，为减少大数据获取资源，精准判断大数据的获取时机，遍历第一撞击反应记录，提取第二参数特征，并与第一参数特征进行匹配，若匹配符合，获取对应第二价值类型和第一价值度，将第一价值度与对应第一价值类型(例如：侧向撞击、正向撞击等)进行关联；遍历第一价值类型，累加对应关联的第一价值度，获得第一价值度和；获取第一价值类型对应的价值度和阈值，若第一价值度和小于该价值度和阈值，说明缺少该价值类型所需的第一撞击反应记录，计算差值；累加计算全部差值，获得差值和；若差值小于等于预设的差值和阈值(例如：0.7)，说明第一撞击反应记录足够用于第一反馈控制策略的制定，将第一撞击反应记录和第一撞击参数输入至预设的反馈控制策略制定模型(预先训练的用于基于撞击反应记录制定适宜反馈控制策略的模型，例如：某次撞击后用户反应不适，应调小反馈控制力度，某次撞击后用户无感，应适当增大反馈控制力度，中和并找到不同撞击参数最适宜的反馈力度，在训练时，可利用机器学习算法对大量人工基于撞击反应记录制定适宜反馈控制策略的记录进行学习)，获得反馈控制策略；否则(差值和大于差值和阈值)，确定关联有差值的第二价值类型，缺少第二价值类型对应的撞击反应记录，获取第二价值类型对应的大数据节点，大数据节点对应于一个收集不同用户骑行撞击后反馈控制后的反应记录的大数据收集方，通过大数据节点获取第二撞击反应记录(与第一撞击反应记录同理)；但是，由于各个用户之间存在差异，不同盲目获取以使用，因此，为了进一步保证第一反馈控制策略制定的适宜性，获取第一用户的第一属性信息(例如：年龄、骑行经验值、熟悉赛道类型和身体健康状况等)，也获取第二用户的第二属性信息，分别提取出第一属性特征和第二属性特征进行匹配，若匹配符合，获取对应第二价值度，第二价值度越大，说明对应第二撞击反应记录越适宜用作于该第一用户撞击时的适宜的第一反馈控制策略的制定；累加计算第二价值度，获得第二价值度和，若第二价值度和大于等于预设的第二价值度和阈值，说明对应第二撞击反应记录可取，作为第三撞击反应记录；将第一撞击反应记录、第三撞击反应记录和第一撞击参数输入至反馈控制策略制定模型，进行反馈控制策略的确定。

本发明提供一种自行车的仿真骑行训练方法，还包括：

提供用户对所述虚拟自行车进行个性化定制。

上述技术方案的工作原理及有益效果为：

用户可以定制虚拟自行车的配件种类和颜色等，提升趣味性。

本发明提供一种自行车的仿真骑行训练方法，还包括：

在第一用户骑行过程中，为第一用户匹配适宜的目标用户，进行对战训练；

其中，为第一用户匹配适宜的第二用户，包括：

获取第一用户在所述训练场景内的第一骑行进程，同时，获取具有与所述第一骑行进程相同的第二骑行进程的多个第二用户；

获取所述第一用户对应的第一历史骑行记录，同时，获取所述第二用户对应的第二历史骑行记录；

获取预设的能力评估策略集，所述能力评估策略集包括：多个能力评估策略；

基于所述能力评估策略，对所述第一历史骑行记录进行能力评估，获得第一能力值，同时，对所述第二历史骑行记录进行能力评估，获得第二能力值；

基于所述第一能力值和所述第二能力值计算所述第二用户的匹配指数，计算公式如下：

其中，Q为所述匹配指数，α_t为第t个能力评估策略对应的预设的权重值，n为能力评估策略的总数目，β_1,t为基于第t个能力评估策略对所述第一历史骑行记录进行能力评估后获得的第一能力值，β_2,t为基于第t个能力评估策略对所述第二历史骑行记录进行能力评估后获得的第二能力值；

选取最大所述匹配至少对应的第二用户作为目标用户，并与第一用户进行匹配。

上述技术方案的工作原理及有益效果为：

为了进一步提升训练的趣味性和训练效果，可以为第一用户匹配目标用户，进行对战训练(例如：训练场景内设置两辆虚拟自行车，分别由第一用户和目标用户进行控制)；为第一用户匹配目标用户时，可以在用户骑行过程中进行匹配，获取具有与第一用户的第一骑行进程相同的第二骑行进程对应的第二用户，准备进行筛选，这样可以让用户知道有与自己巧合达到相同骑行行程的用户存在，提升趣味性，提升用户触发对战训练的欲望；在筛选时，获取第一用户的第一历史骑行记录(例如：历史上参加过的赛道完成的时间等)，同时，获取第二用户的第二历史骑行记录(与第一历史骑行记录同理)；基于预设的能力评估策略(例如：基于完成速度确定骑行能力等)，分别对第一历史骑行记录和第二历史骑行记录进行能力评估，获得第一能力值和第二能力值，基于两者计算匹配指数，选取最大匹配指数对应的第二用户作为目标用户，与第一用户进行对战训练，提升了匹配的合理性；能力评估策略对应的预设的权重值越大，采取对应能力评估策略进行能力评估的结果越可靠。

本发明提供一种自行车的仿真骑行训练系统，如图3所示，包括：

显示模块1，用于获取并显示第一用户输入的骑行训练项目对应的训练场景；

配置模块2，用于当第一用户骑行开始时，获取第一用户基于骑行台输入的多个第一骑行行为，同时，基于第一骑行行为，对训练场景进行更新配置并动态显示；

获取模块3，用于当第一用户骑行结束后，获取骑行训练项目适宜的评价策略；

评价模块4，用于基于评价策略，对第一骑行行为进行评价，显示评价结果。

上述技术方案的工作原理及有益效果已在方法权要中说明，不再赘述。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种自行车的仿真骑行训练方法，其特征在于，包括：

步骤1：获取并显示第一用户输入的骑行训练项目对应的训练场景；

步骤2：当第一用户骑行开始时，获取第一用户基于骑行台输入的多个第一骑行行为，同时，基于所述第一骑行行为，对所述训练场景进行更新配置并动态显示；

步骤3：当第一用户骑行结束后，获取所述骑行训练项目适宜的评价策略；

步骤4：基于所述评价策略，对所述第一骑行行为进行评价，显示评价结果；

所述步骤3中，获取所述骑行训练项目适宜的评价策略，包括：

获取所述骑行训练项目对应的备选的多个评价策略项；

获取预设的打分节点集，所述打分节点集包括：多个打分节点；

获取所述打分节点对所述评价策略项进行打分的第一打分；

获取所述打分节点对应的节点权重，赋予对应所述第一打分所述节点权重，获得第二打分，并与对应所述评价策略项进行关联；

累加计算所述评价策略项关联的所述第二打分，获得打分和；

若最大所述打分和大于等于预设的第一阈值，将最大所述打分和对应的评价策略项作为评价策略，完成获取；

否则，将大于等于预设的第二阈值的所述打分和对应的所述评价策略项进行策略合并，获得评价策略，完成获取；

其中，所述第一阈值大于所述第二阈值。

2.如权利要求1所述的一种自行车的仿真骑行训练方法，其特征在于，所述步骤1：获取并显示第一用户输入的骑行训练项目对应的训练场景，包括：

获取并显示预设的骑行训练项目表；

获取第一用户从所述骑行训练项目表中挑选的骑行训练项目；

查询预设的训练场景库，确定所述骑行训练场景项目对应的训练场景；

显示所述训练场景；

其中，所述训练场景的场景类型包括：闯关训练、挑战训练和赛道训练。

3.如权利要求1所述的一种自行车的仿真骑行训练方法，其特征在于，获取所述打分节点对应的节点权重，包括：

获取所述打分节点对应的多个第一历史节点行为；

查询预设的模拟必要值库，确定第一历史节点行为对应的模拟必要值；

若所述模拟必要值大于等于预设的模拟必要阈值，获取所述第一历史节点行为对应的行为流程，基于预设的行为流程模拟模型，在预设的行为空间中模拟所述行为流程；

在模拟所述行为流程的模拟过程中，基于预设的规范评价模型，对所述模拟过程进行规范评价，获得第一评价值，并将所述第一评价值作为所述第一历史节点行为对应的第一目标值；

否则，查询预设的评价值库，确定所述第一历史节点行为对应的第二评价值，并将所述第二评价值作为所述第一历史节点行为对应的第一目标值；

解析所述第一历史节点行为的行为类型，所述行为类型包括：主动行为和被动行为；

当所述第一历史节点行为的行为类型为主动行为时，将所述第一历史节点行为对应的所述第一目标值作为第二目标值；

当所述第一历史节点行为的行为类型为被动行为时，获取所述第一历史节点行为对应的被动事件；

获取所述打分节点对应于所述被动事件的参与权重，赋予所述第一历史节点行为对应的所述第一目标值所述参与权重，获得第三目标值；

累加计算全部所述第二目标值和所述第三目标值，获得所述打分节点对应的节点权重，完成获取。

4.如权利要求1所述的一种自行车的仿真骑行训练方法，其特征在于，还包括：

基于预设的触发圈设置规则，在所述训练场景中的骑行道上设置至少一个第一触发圈，当所述训练场景中的虚拟自行车驶入任一第一触发圈时，对第一用户进行相应针对训练。

5.如权利要求4所述的一种自行车的仿真骑行训练方法，其特征在于，所述对第一用户进行相应针对训练，包括：

将所述虚拟自行车驶入的所述第一触发圈作为第二触发圈；

获取所述第二触发圈对应的标准行为库；

当所述虚拟自行车驶入所述第二触发圈后，每隔预设的第一时间段获取第一用户新产生的所述第一骑行行为，并作为第二骑行行为；

将所述第二骑行行为与所述标准行为库中的第一标准行为进行行为匹配，若匹配符合，将匹配符合的所述第一标准行为作为第二标准行为，同时，将所述标准行为库中除所述第二标准行为之外的所述第一标准行为作为第三标准行为；

获取所述第二标准行为对应的行为得分，同时，获取所述第三标准行为对应的行为失分；

当所述虚拟自行车驶出所述第二触发圈时，累加计算全部所述行为得分和所述行为失分，获得分数和；

若所述分数和大于等于预设的第三阈值，获取所述第三标准行为对应的建议标识；

将所述建议标识设置于所述训练场景内空闲的第一标识点位上；

若所述分数和小于等于预设的第四阈值，获取所述分数和对应的第二时间段；

获取所述虚拟自行车驶入所述第二触发圈的第一时刻；

确定所述第一时刻前与所述第一时刻相隔所述第二时间段的第二时刻；

获取所述训练场景对应于所述第二时刻的场景配置信息；

基于所述场景配置信息，对所述训练场景进行还原配置；

当还原配置完成后，提示第一用户停止骑行，同时，获取所述第二触发圈对应的辅助控制策略和多个提示标识；

提示第一用户重新开始骑行，当第一用户重新开始骑行时，基于所述辅助控制策略，对所述骑行台进行相应控制，同时，将所述提示标识设置于所述训练场景内空闲的第二标识点位上；

若所述分数和小于所述第三阈值且大于所述第四阈值，获取所述第三标准行为对应的演示动画；

当骑行结束后，显示播放所述演示动画；

其中，所述第三阈值大于等于所述第四阈值。

6.如权利要求4所述的一种自行车的仿真骑行训练方法，其特征在于，当所述虚拟自行车撞上所述训练场景内的障碍物时，获取对应第一撞击参数，基于第一撞击参数，确定适宜的第一反馈控制策略，同时，基于所述第一反馈控制策略，对所述骑行台进行相应反馈控制。

7.如权利要求6所述的一种自行车的仿真骑行训练方法，其特征在于，所述基于第一撞击参数，确定适宜的第一反馈控制策略，包括：

获取第一用户对应的多个第一撞击反应记录，所述第一撞击反应记录包括：第二撞击参数、第二反馈控制策略和第一用户产生的至少一个反应行为；

提取所述第一撞击参数的多个第一参数特征，同时，获取预设的价值类型集，所述价值类型集包括：多个第一价值类型；

依次遍历所述第一撞击反应记录，每次遍历时，提取遍历到的所述第一撞击反应记录中的第二撞击参数的多个第二参数特征；

将所述第一参数特征与所述第二参数特征进行特征匹配，若匹配符合，获取匹配符合的所述第一参数特征或所述第二参数特征对应的第二价值类型和第一价值度，并将所述第一价值度和与所述第二价值类型相同的所述第一价值类型进行关联；

当遍历所述第一撞击反应记录结束后，依次遍历所述第一价值类型，每次遍历时，累加计算遍历到的所述第一价值类型关联的所述第一价值度，获得第一价值度和；

获取遍历到的所述第一价值类型对应的第一价值度和阈值，若所述第一价值度和小于所述第一价值度和阈值，计算所述第一价值度和与所述第一价值度和阈值之间的差值，并与遍历到的所述第一价值类型进行关联；

当遍历所述第一价值类型结束后，累加计算各个关联有所述差值的所述第一价值类型关联的所述差值，获得差值和；

若所述差值和小于等于预设的差值和阈值，将全部所述第一撞击反应记录和所述第一撞击参数输入至预设的第一反馈控制策略制定模型，获取所述第一反馈控制策略输出的第一反馈控制策略，完成确定；

否则，将关联有所述差值的所述第一价值类型作为第二价值类型；

获取所述第二价值类型对应的多个大数据节点；

通过所述大数据节点获取多个其他第二用户对应的多个第二撞击反应记录；

获取所述第一用户的第一属性信息，提取出所述第一属性信息的多个第一属性特征，同时，获取所述第二用户的第二属性信息，并提取出所述第二属性信息的多个第二属性特征；

将所述第一属性特征与所述第二属性特征进行特征匹配，若匹配符合，获取匹配符合的所述第一属性特征或所述第二属性特征对应的第二价值度，并与对应所述第二撞击反应记录进行关联；

累加计算所述第二撞击反应记录关联的所述第二价值度，获得第二价值度和；

若所述第二价值度和大于等于预设的第二价值度和阈值，将对应所述第二撞击反应记录作为第三撞击反应记录；

将全部所述第一撞击反应记录、第三撞击反应记录和所述第一撞击参数输入至预设的第一反馈控制策略制定模型，获取所述第一反馈控制策略输出的第一反馈控制策略，完成确定。

8.如权利要求4所述的一种自行车的仿真骑行训练方法，其特征在于，还包括：

提供用户对所述虚拟自行车进行个性化定制。

9.一种自行车的仿真骑行训练系统，其特征在于，包括：

显示模块，用于获取并显示第一用户输入的骑行训练项目对应的训练场景；

配置模块，用于当第一用户骑行开始时，获取第一用户基于骑行台输入的多个第一骑行行为，同时，基于所述第一骑行行为，对所述训练场景进行更新配置并动态显示；

获取模块，用于当第一用户骑行结束后，获取所述骑行训练项目适宜的评价策略；

评价模块，用于基于所述评价策略，对所述第一骑行行为进行评价，显示评价结果；

所述获取模块获取所述骑行训练项目适宜的评价策略，执行如下操作：

获取所述骑行训练项目对应的备选的多个评价策略项；

获取预设的打分节点集，所述打分节点集包括：多个打分节点；

获取所述打分节点对所述评价策略项进行打分的第一打分；

获取所述打分节点对应的节点权重，赋予对应所述第一打分所述节点权重，获得第二打分，并与对应所述评价策略项进行关联；

累加计算所述评价策略项关联的所述第二打分，获得打分和；

若最大所述打分和大于等于预设的第一阈值，将最大所述打分和对应的评价策略项作为评价策略，完成获取；

否则，将大于等于预设的第二阈值的所述打分和对应的所述评价策略项进行策略合并，获得评价策略，完成获取；

其中，所述第一阈值大于所述第二阈值。

Images