CN114757801A - 一种船员培训管理方法和系统 - Google Patents

一种船员培训管理方法和系统 Download PDF

Info

Publication number
CN114757801A
CN114757801A CN202210460983.1A CN202210460983A CN114757801A CN 114757801 A CN114757801 A CN 114757801A CN 202210460983 A CN202210460983 A CN 202210460983A CN 114757801 A CN114757801 A CN 114757801A
Authority
CN
China
Prior art keywords
training
plan
training plan
sea
crew
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.)
Withdrawn
Application number
CN202210460983.1A
Other languages
English (en)
Inventor
柏建新
柏宗翰
李彦瑾
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.)
Hebei Donglai Engineering Technology Service Co ltd
Original Assignee
Hebei Donglai Engineering Technology Service 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 Hebei Donglai Engineering Technology Service Co ltd filed Critical Hebei Donglai Engineering Technology Service Co ltd
Priority to CN202210460983.1A priority Critical patent/CN114757801A/zh
Publication of CN114757801A publication Critical patent/CN114757801A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供一种船员培训管理方法，该方法包括获取初始培训计划；基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型；判断所述海况类型是否满足预设条件；响应于满足预设条件，确定与所述海况类型匹配的动态培训计划；基于所述动态培训计划，对所述初始培训计划进行调整，生成目标培训计划。

Description

一种船员培训管理方法和系统
技术领域
本说明书涉及智能培训技术领域，特别涉及一种船员培训管理方法和系统。
背景技术
船舶上船员有明确的分工，不同的岗位对船员的工作能力、技能熟练程度等有不同的要求。同时，船舶航行过程中可能会产生突发紧急情况，需要船员快速掌握特殊的工作技能。
因此，有必要提供一种船员培训管理方法和系统，以保证船员正常、高效的工作的同时可以快速响应突发紧急状况。
发明内容
本说明书一个或多个实施例提供一种船员培训管理方法，所述船员培训管理方法包括：获取初始培训计划；基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型；判断所述海况类型是否满足预设条件；响应于满足预设条件，确定与所述海况类型匹配的动态培训计划；基于所述动态培训计划，对所述初始培训计划进行调整，生成目标培训计划。
本说明书一个或多个实施例提供一种船员培训管理系统，所述船员培训管理系统包括：获取模块，用于获取初始培训计划；确定模块，用于基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型；判断模块，用于判断所述海况类型是否满足预设条件；动态培训计划确定模块，响应于满足预设条件，用于确定与所述海况类型匹配的动态培训计划；调整模块，用于基于所述动态培训计划，对所述初始培训计划进行调整，生成目标培训计划。
本说明书一个或多个实施例提供一种船员培训管理装置，包括处理器，所述处理器用于执行船员培训管理方法。
本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行船员培训管理方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的船员培训管理系统的应用场景示意图；
图2所示的是根据本说明书一些实施例所示的船员培训管理系统的模块图；
图3是根据本说明书一些实施例所示的船员培训管理方法的示例性流程图；
图4是根据本说明书一些实施例所示的海况类型判断模型结构的示意图；
图5是根据本说明书又一些实施例所示的船员培训管理方法的示例性流程图；
图6是根据本说明书又一些实施例所示的船员培训管理方法的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的船员培训管理系统的应用场景100示意图。在一些实施例中，应用场景100可以包括服务器110、处理器112、存储设备120、终端设备130、采集设备140、网络150。
在一些实施例中，服务器110可以是单个服务器或者服务器组。服务器组可以是集中式的或分布式的。例如，服务器110可以是分布式系统。在一些实施例中，服务器110可以是本地的或远程的。在一些实施例中，服务器110可以在云平台上实现。在一些实施例中，服务器110或服务器110的一部分可以集成到终端设备130中。
在一些实施例中，服务器110可以包括处理器112。处理器112可以用于获取信息，并对收集的信息进行分析加工，以执行本说明书中描述的一个或以上功能。例如，处理器112可以获取初始培训计划。又例如，处理器112可以基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型。又例如，处理器112可以判断海况类型是否满足预设条件。又例如，响应于满足预设条件，处理器112可以确定与海况类型匹配的动态培训计划。再例如，处理器112可以基于动态培训计划，对初始培训计划进行调整，生成目标培训计划。
在一些实施例中，处理器112可以包括一个或以上处理引擎(例如，单芯片处理引擎或多芯片处理引擎)。仅作为范例，处理器112可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)等或其任意组合。
存储设备120可以用于存储数据和/或指令。例如，存储设备120可以用于存储船员培训信息。又例如，存储设备120可以用于存储培训记录。存储设备120可以从例如服务器110、终端设备130等获得数据和/或指令。在一些实施例中，存储设备120可以储存处理器112用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。存储设备120可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备120可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，所述存储设备120可在云平台上实现。
终端设备130指用户所使用的一个或多个终端设备或软件。在一些实施例中，使用终端设备130的可以是一个或多个用户，可以包括直接使用服务的用户，也可以包括其他相关用户。终端设备130可以用于获取或发送数据和/或指令。又例如，终端设备130可以向初始培训计划或目标培训计划对应的培训对象发送培训通知。再例如，终端设备130可以显示更新后的培训记录。在一些实施例中，终端设备130可以是移动设备130-1、平板计算机130-2、膝上型计算机130-3、台式计算机130-4、广播设备130-5等其他具有输入和/或输出功能的设备中的一种或其任意组合。
采集设备140是用于采集海况信息的装置。在一些实施例中，采集设备140可以是摄像头。例如，摄像头可以通过拍摄海上照片，获得海上图像。又例如，摄像头可以通过对海上情况拍摄一段短视频，获得海上视频。在一些实施例中，采集设备140可以是音视频采集设备。例如，音视频采集设备可以采集天气预报的语音或视频。在一些实施例中，采集设备140可以获取海上图像或视频，和天气预报的语音或视频作为海况信息。
网络150可以提供信息和/或数据交换的渠道。在一些实施例中，服务器110、存储设备120、终端设备130、采集设备140之间可以通过网络150交换信息。例如，服务器110可以通过网络150接收终端设备130发送的培训考试答题信息。又例如，服务器110可以通过网络150向终端设备130发送培训进度信息。在一些实施例中，网络150可以是有线网络或无线网络中的任意一种或多种。在一些实施例中，网络150可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络150可以包括一个或以上网络接入点。
需要注意的是，以上对于船员培训管理系统应用场景的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个组成部分进行任意组合，或者构成子组成部分与其他组成部分连接。在一些实施例中，图1中披露的服务器、处理器和存储器可以是一个组成部分中的不同单元，也可以是一个部分实现上述的两个或两个以上部分的功能。例如，各个组成部分可以共用一个存储单元，各组成部分也可以分别具有各自的存储单元。诸如此类的变形，均在本说明书的保护范围之内。
图2所示的是根据本说明书一些实施例所示的船员培训管理系统200的模块图。如图2所示，船员培训管理系统200可以包括获取模块210、确定模块220、判断模块230、动态培训计划确定模块240以及调整模块250。
在一些实施例中，获取模块210可以用于获取初始培训计划。
在一些实施例中，确定模块220可以用于基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型。
在一些实施例中，海况类型判断模型包括一个或多个子模型，所述多个子模型包括：暴雨异常判断模型、低温异常判断模型、低能见度异常判断模型和/或大风浪异常判断模型。
在一些实施例中，判断模块230可以用于判断所述海况类型是否满足预设条件。
在一些实施例中，响应于满足预设条件，动态培训计划确定模块240可以用于确定与所述海况类型匹配的动态培训计划。
在一些实施例中，调整模块250可以用于基于所述动态培训计划，对所述初始培训计划进行调整，生成目标培训计划，关于调整模块250的更多说明可以参见图5部分的相关描述。
在一些实施例中，所述船员培训管理系统200还包括发送模块260。在一些实施例中，发送模块260可以用于基于所述初始培训计划或所述目标培训计划生成培训通知；基于所述初始培训计划或所述目标培训计划对应的培训时间，向所述初始培训计划或所述目标培训计划对应的培训对象发送所述培训通知。
在一些实施例中，所述船员培训管理系统200还包括培训进度确定模块270。在一些实施例中，培训进度确定模块270可以用于基于所述初始培训计划或所述目标培训计划，生成培训记录；通过终端设备获取培训情况数据，基于所述培训情况数据更新所述培训记录；基于所述培训记录确定培训进度。
应当理解，图2所示的系统及其模块可以利用各种方式来实现。需要注意的是，以上对于船员培训管理系统200及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接，且以上模块及单元并非完全独立存在，还可能是存在相互交叉涉及。在一些实施例中，船员培训管理系统200中各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。
图3是根据本说明书一些实施例所示的船员培训管理方法的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由处理器112执行。
步骤310，获取初始培训计划。该步骤由获取模块210执行。
初始培训计划是基于常规培训需求数据确定的培训计划。在一些实施例中，初始培训计划可以包括培训地点(例如，岸基船舶管理中心、XX号船活动室等)、培训形式(例如，线上、线下)、培训开始时间(例如，4月6日)、培训结束时间(例如，7月31日)、培训总花费时间(例如，300小时、350小时等)、培训上课频率(例如，每天、每隔一天、每周末等)、培训课程内容(例如，初级船员培训课程、中级船员培训课程、高级船员培训课程、维修技能培训课程、甲板业务技能培训课程等)等信息。
常规培训需求数据是用于适应岗位常规工作技能培训需求的数据。在一些实施例中，常规培训需求数据可以包括船员在船舶上的岗位和熟练程度。其中，熟练程度可以是能够反映船员技能熟练程度的数值或字母等。例如，熟练程度可以用1-10之间的数值、字母a-f或星级来表示，值越大、字母排序越靠后或星级越高熟练程度越高。
在一些实施例中，常规培训需求数据可以是基于人工输入的文本、语音和/或图像等获取的。例如，船员培训系统上可以设置有待录入数据的系统模块，人工可以基于经验、历史记录和/或考核等方式确定船员的岗位及其对该岗位的熟练程度，并录入船员培训系统。
在一些实施例中，处理器可以基于常规培训需求数据自动生成初始培训计划。例如，船员的岗位是维修技工，熟练程度是2，假设预设阈值为6，由于熟练程度2小于预设阈值6，则确定出的初始培训计划为：船员需要于2023年4月1日开始至2023年4月30日(每天8点至12点，13点至17点共计8小时)，每天在1号船活动室接受累计时长240小时的线下设备维修技能培训课程。又例如，船员的岗位是水手，熟练程度是1，假设预设阈值为6，由于熟练程度1小于预设阈值6，则确定出的初始培训计划为：船员需要于2023年4月1日开始至2023年4月10日(每天8点至12点，13点至17点共计8小时)，每天在3号船活动室接受累计时长80小时的线上甲板业务技能培训课程。
在一些实施例中，常规培训需求数据及对应的初始培训计划已预先设置于至存储设备，可被直接获取调用。
步骤320，基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型。该步骤由确定模块220执行。
海况信息是反映海上相关情况的信息。在一些实施例中，可以以海上的图像或视频，和天气预报的语音或视频作为海况信息。
在一些实施例中，可以基于采集设备获取海况信息。例如，可以通过摄像头获取海上图像或视频。又例如，可以通过音视频采集设备获得天气预报的语音或视频。
海况类型是指反映海上情况的类型。在一些实施例中，海况类型至少可以包括无异常、暴雨异常、低温异常、低能见度异常和/或风浪异常等。
在一些实施例中，将海况信息输入海况类型判断模型后，可以由海况类型判断模型输出海况类型。
在一些实施例中，海况类型判断模型可以是CNN模型、R-CNN模型、Fast R-CNN模型、Faster R-CNN模型或DNN模型等或其任意组合。
在一些实施例中，海况类型判断模型可以包括一个或多个子模型。在一些实施例中，多个子模型至少包括：暴雨异常判断模型、低温异常判断模型、低能见度异常判断模型和/或大风浪异常判断模型。
关于海况类型判断模型的更多内容可以参见本说明书其他部分(例如，图4及其相关描述)，在此不再赘述。
步骤330，判断所述海况类型是否满足预设条件。该步骤由判断模块230执行。
预设条件是指存在异常情况的海况类型。例如，预设条件可以包括存在暴雨异常、低温异常、低能见度异常和/或风浪异常等的海况类型。在一些实施例中，预设条件包括存在异常情况的海况类型的出现的置信度大于预设阈值。置信度是指发生某种情况的可信程度(或者概率)，可以通过一个0-1之间的值表示，其值越高，应急演练计划的优先级越高。例如，预设阈值为0.5，若存在暴风雨异常的置信度为0.8时，大于预设阈值，满足预设条件。
在一些实施例中，处理器可以基于步骤320中获取的海况类型，判断海况类型是否满足预设条件。
在一些实施例中，操作人员可以基于规则判断海况类型是否满足预设条件。例如，当海况类型为暴风雨异常时，判断海况类型不满足预设条件。
步骤340，响应于满足预设条件，确定与所述海况类型匹配的动态培训计划。该步骤由动态培训计划确定模块240执行。
在一些实施例中，若海况类型满足预设条件，则处理器可以确定与海况类型匹配的动态培训计划。
动态培训计划是基于海况类型确定的培训计划。在一些实施例中，动态培训计划可以包括培训地点(例如，岸基船舶管理中心、XX号船活动室等)、培训形式(例如，线上、线下)、培训总花费时间(例如，3小时、5小时等)、培训课程内容(例如，暴雨异常应急培训课程、低温异常应急培训课程、低能见度异常应急培训课程、大风浪异常应急培训课程等)等信息。
在一些实施例中，处理器可以确定与所述海况类型匹配的动态培训计划。例如，海况类型为暴雨异常，处理器可以根据系统中的数据表确定出的动态培训计划为：船员需要在1号船活动室接受累计时长3小时的线下海上急救培训课程、累计时长2小时的救生艇筏操作培训课程和累计时长3小时的海上求生培训课程。
在一些实施例中，处理器可以通过获取系统预设的数据表，并从中录入动态培训计划相关的具体内容生成动态培训计划。该数据表可以是被预先设置于存储设备中作为培训计划生成的表格模板，用于录入培训计划具体内容(例如，海况类型、培训地点、培训形式、培训总花费时间与培训课程内容或其他)。
步骤350，基于所述动态培训计划，对所述初始培训计划进行调整，生成目标培训计划。该步骤由调整模块250执行。
目标培训计划为初始培训计划基于动态培训计划进行调整后的培训计划。例如，初始培训计划为：船员需要于2023年4月1日开始至2023年4月30日(每天8点至12点，13点至17点共计8小时)，每天在1号船活动室接受累计时长240小时的线下设备维修技能培训课程。2023年4月10日7点基于暴雨异常的海况类型确定的动态培训计划为：船员需要在1号船活动室接受累计时长3小时的线下海上急救培训课程、累计时长2小时的救生艇筏操作培训课程和累计时长3小时的海上求生培训课程。调整后的培训计划可以为：船员需要于2023年4月10日在1号船活动室接受累计时长3小时的线下海上急救培训课程、累计时长2小时的救生艇筏操作培训课程和累计时长3小时的海上求生培训课程；船员需要于2023年4月11日开始至2023年5月1日(每天8点至12点，13点至17点共计8小时)，每天在1号船活动室接受累计时长160小时的线下设备维修技能培训课程。
在一些实施例中，由于动态培训计划的优先级大于初始培训计划，处理器可以将动态培训计划插到初始培训计划之前，以生成目标培训计划。例如，初始培训计划为：船员需要于2023年4月1日开始至2023年4月30日(每天8点至12点，13点至17点共计8小时)，每天在1号船活动室接受累计时长240小时的线下设备维修技能培训课程。2023年4月10日7点基于暴雨异常的海况类型确定的动态培训计划为：船员需要在1号船活动室接受累计时长3小时的线下海上急救培训课程、累计时长2小时的救生艇筏操作培训课程和累计时长3小时的海上求生培训课程。处理器可以将动态培训计划插到初始培训计划之前，即2023年4月10日优先进行动态培训计划，2023年4月11日继续进行初始培训计划。
在一些实施例中，除了上述调整初始培训计划的方法，调整初始培训计划的方法还包括基于临时培训计划对初始培训计划进行调整。在一些实施例中，处理器可通过终端设备获取船员的培训情况数据和/或工作情况数据，并基于培训情况数据和/或工作情况数据，确定追加的临时培训计划，并基于临时培训计划对初始培训计划进行调整。
培训情况数据是指反映船员培训效果的数据。在一些实施例中，培训情况数据可以包括船员在培训过程中，培训负责人的评定结果或系统的自动评分等。
工作情况数据是指反映船员工作情况的数据。在一些实施例中，培训情况数据可以包括船员在工作中，直属领导的工作情况评估或系统的错误率统计等。
在一些实施例中，处理器可以基于培训负责人的评定结果或系统的自动评分确定培训情况数据。例如，实体设备的操作培训过程中，负责人会对船员进行考察与评定，处理器可以基于负责人的评定结果确定培训情况数据。又例如，专业技能知识的考核培训过程中，系统对完成培训的船员进行评分，处理器可以基于系统的自动评分确定培训情况数据。
在一些实施例中，处理器可以基于直属领导的工作情况评估或系统的错误率统计确定工作情况数据。例如，船员在日常工作中，直属领导会对船员进行工作情况评估，处理器可以基于直属领导的工作情况评估确定工作情况数据。又例如，系统操作过程中，系统对操作过程中的错误率进行统计，处理器可以基于系统的错误率统计确定工作情况数据。
在一些实施例中，处理器可以根据船员考核时所在岗位的颠簸度对评分做调整。由于不同岗位船员所在的位置可能不同，而不同位置及不同考核时间所对应的船的颠簸度不同，因此不同颠簸度下对船员的考核表现的影响也不同(例如，颠簸度较高，船员状态可能会受影响)。在一些实施例中，颠簸度可以通过测试终端的运动传感器获得。在一些实施例中，对评分调整的方式可以为基于考核时确定的表现评分与颠簸度对应的系数进行数学运算以确定最终的评分。例如，当船员A和B各自参与各自岗位的培训考核时，测试终端测得的颠簸度分别为a与b，分别可以基于船员A和B考核时的表现评分A1和B1与颠簸度a与b对应的系数xa和xb进行乘积运算，获得船员A和B的此次考核的综合最终评分分别为A1*xa与B1*xb。通过结合船的颠簸度对评分做出调整，有利于避免船员考核时所遇到的不同颠簸度对其考核表现及对应评分的外在因素影响，提高评分的准确性和客观性。
临时培训计划是指对船员临时追加的培训计划。在一些实施例中，当船员的培训情况数据和/或工作情况数据低于预设阈值时，可以对船员追加临时培训计划。在一些实施例中，动态培训计划可以包括培训地点(例如，岸基船舶管理中心、XX号船活动室等)、培训形式(例如，线上、线下)、培训总花费时间(例如，8小时、16小时等)、培训课程内容(例如，初级船员补充培训课程、中级船员补充培训课程、高级船员补充培训课程、维修技能补充培训课程、甲板业务技能补充培训课程等)等信息。
在一些实施例中，处理器可以根据系统中对应的数据表(例如，培训情况数据和/或工作情况数据、培训地点、培训形式、培训总花费时间与培训课程内容对应的表格)确定临时培训计划。例如，设备维修技能培训的评分为3分，假设预设阈值为6分，由于设备维修技能培训的评分小于预设阈值，处理器可以根据系统中的数据表确定出的动态培训计划为：船员需要在1号船活动室接受累计时长8小时的线下维修技能补充培训课程。
在一些实施例中，处理器可以基于临时培训计划对初始培训计划进行调整。在一些实施例中，由于临时培训计划的优先级大于预设培训计划，处理器可以将临时培训计划插到初始培训计划之前，以生成目标培训计划。例如，初始培训计划为：船员需要于2023年4月1日开始至2023年4月30日(每天8点至12点，13点至17点共计8小时)，每天在1号船活动室接受累计时长240小时的线下设备维修技能的常规培训。2023年4月10日基于培训情况数据，确定的临时培训计划为：船员需要在1号船活动室接受累计时长8小时的线下维修技能补充培训课程。处理器可以将动态培训计划插到初始培训计划之前，即2023年4月10日优先进行临时培训计划，2023年4月11日继续进行初始培训计划。
在一些实施例中，由于动态培训计划的优先级大于临时培训计划，当海况类型满足预设条件时，首先进行动态培训计划，接着进行临时培训计划，最后进行初始培训计划。
通过确定目标培训计划对船员进行培训管理，可以提高船员的工作能力与技能熟练程度，以保证船员正常、高效的工作，并且当发生突发紧急情况时可以快速响应突发紧急状况。
图4是根据本说明书一些实施例所示的海况类型判断模型结构400的示意图。
在一些实施例中，将海况信息输入海况类型判断模型410后，可以由海况类型判断模型410输出海况类型。在一些实施例中，海况类型判断模型410的输出还包括海况类型及其对应的置信度。例如，海况类型判断模型410可以输出出现暴风雨异常的海况类型以及出现暴风雨异常度的置信度为0.7。
在一些实施例中，海况类型判断模型410包括一个或多个子模型。在一些实施例中，海况类型判断模型410至少包括暴雨异常判断模型411、低温异常判断模型412、低能见度异常判断模型413和/或大风浪异常判断模型414。
在一些实施例中，如图4所示，暴雨异常判断模型411的输入可以是海况信息，即海上的图像或视频和天气预报的语音或视频；暴雨异常判断模型411的输出为海况类型，即无异常或暴雨异常。
在一些实施例中，如图4所示，暴雨异常判断模型411可以通过多个有标签的训练样本训练得到。在一些实施例中，可以获得多个训练样本及每个训练样本对应的标签，训练样本可以包括历史海上的图像或视频，训练样本的标签可以是历史海况类型，例如，所述海况类型可以按照降水量分类为暴雨、大暴雨、特大暴雨类型等，所述标签可以基于历史记录中的降水量数据生成，也可以进行人工标注。在一些实施例中，暴雨异常判断模型411的训练样本及训练样本的标签可以从历史数据中获得。通过多组训练样本可以更新初始暴雨异常判断模型的参数，得到训练好的暴雨异常判断模型411。暴雨异常判断模型411的参数来自于训练好的初始暴雨异常判断模型。具体的，将多个带有标签的训练样本输入初始的暴雨异常判断模型411，通过标签和初始的暴雨异常判断模型411输出的预测结果构建损失函数，基于损失函数迭代更新初始的暴雨异常判断模型411的参数。当初始的暴雨异常判断模型411的损失函数满足预设条件时模型训练完成，得到训练好的暴雨异常判断模型411。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。在一些实施例中，损失函数可以包括但不限于均方误差损失函数、交叉熵损失函数、指数损失函数等。以交叉熵损失函数为例：
Figure BDA0003622188050000141
其中，H为损失函数值，n为训练样本总个数，i为第i个训练样本，q(xi)是指第i个训练样本的海况类型的真实值(即，标签)，p(xi)是指暴雨异常判断模型411确定的海况类型属于第i个样本的海况类型的预测值。在一些实施例中，暴雨异常判断模型411在训练时可以采用两个图形处理器(GPU)并行训练策略，以加快训练速度。
在一些实施例中，如图4所示，低温异常判断模型412的输入可以是海况信息，即海上的图像或视频，和天气预报的语音或视频；低温异常判断模型412的输出为海况类型，即无异常或低温异常。低温异常判断模型412的训练与暴雨异常判断模型411的训练相似，关于低温异常判断模型412的训练的更多内容可以参见暴雨异常判断模型411的训练部分，在此不再赘述。
在一些实施例中，如图4所示，低能见度异常判断模型413的输入可以是海况信息，即海上的图像或视频，和天气预报的语音或视频；低能见度异常判断模型413的输出为海况类型，即无异常或低能见度异常。低能见度异常判断模型413的训练与暴雨异常判断模型411的训练相似，关于低能见度异常判断模型413的训练的更多内容可以参见暴雨异常判断模型411的训练部分。
在一些实施例中，如图4所示，大风浪异常判断模型414的输入可以是海况信息，即海上的图像或视频，和天气预报的语音或视频；大风浪异常判断模型414的输出为海况类型，即无异常或大风浪异常。大风浪异常判断模型414的训练与暴雨异常判断模型411的训练相似，关于大风浪异常判断模型414的训练的更多内容可以参见暴雨异常判断模型411的训练部分。
在一些实施例中，如图4所示，海况类型判断模型410可以是CNN模型、R-CNN模型、Fast R-CNN模型、Faster R-CNN模型的组合。例如，暴雨异常判断模型411可以是CNN模型，低温异常判断模型412可以是R-CNN模型，低能见度异常判断模型413可以是Fast R-CNN模型，大风浪异常判断模型414可以是Faster R-CNN模型。将海况信息(即海上的图像或视频和天气预报的语音或视频)分别输入海况类型判断模型410中的暴雨异常判断模型411对应的CNN模型、低温异常判断模型412对应的R-CNN模型、低能见度异常判断模型413对应的Fast R-CNN模型以及大风浪异常判断模型414对应的Faster R-CNN模型。在一些实施例中，暴雨异常判断模型411可以输出海况类型(即无异常或暴雨异常)，低温异常判断模型412可以输出海况类型(即无异常或低温异常)，低能见度异常判断模型413可以输出海况类型(即无异常或低能见度异常)，大风浪异常判断模型414可以输出海况类型(即无异常或大风浪异常)。在一些实施例中，各个子模型上述分别输出的海况类型作为海况类型判断模型410输出的海况类型(即无异常、暴雨异常、低温异常、低能见度异常或大风浪异常)。在一些实施例中，如图4所示，海况类型判断模型410可以是CNN模型。对应的，暴雨异常判断模型411、低温异常判断模型412、低能见度异常判断模型413、大风浪异常判断模型414都可以是CNN模型。例如，将海况信息(即海上的图像或视频和天气预报的语音或视频)分别输入海况类型判断模型410中的暴雨异常判断模型411对应的CNN模型、低温异常判断模型412对应的CNN模型、低能见度异常判断模型413对应的CNN模型以及大风浪异常判断模型414对应的CNN模型。在一些实施例中，暴雨异常判断模型411可以输出海况类型(即无异常或暴雨异常)，低温异常判断模型412可以输出海况类型(即无异常或低温异常)，低能见度异常判断模型413可以输出海况类型(即无异常或低能见度异常)，大风浪异常判断模型414可以输出海况类型(即无异常或大风浪异常)。在一些实施例中，各个子模型的上述分别输出的海况类型作为海况类型判断模型410输出的海况类型(即无异常、暴雨异常、低温异常、低能见度异常或大风浪异常)。
通过包括一个或多个子模型的海况类型判断模型确定海况类型，并且减少了需要的样本数量，提高了海况类型判断模型的训练效率。
在一些实施例中，海况类型判断模型可以预测当前航线将途经的目标海域(即船舶在未来预设时间将驶入的特定海域)可能出现的异常的海况类型(即紧急情况)及其置信度。该可能出现的紧急情况并非直观可见的，需结合海域的当前数据及历史数据进行预测，例如，以当前航线航行在途经目标海域时可能发生触礁情况及其置信度。在一些实施例中，基于预先获取的航海路线，确定航海路线所对应的目标海域，并获取目标海域的海域特征及其历史上发生的紧急情况事件数据等信息。在一些实施例中，海况类型判断模型可以包括循环神经网络(Recurrent Neural Network,RNN)、深度神经网络(Deep NeuralNetworks,DNN)、长短期记忆(Long short-term memory,LSTM)等。
在一些实施例中，将目标海域的海域特征及目标海域历史上发生的紧急情况事件数据输入海况判断模型，输出各类紧急情况事件以及概率。在一些实施例中，海域特征可以基于海图获取，比如目标海域的海底地貌特征(如是否存在礁石、海底火山、岩峰等)、水文特征(如潮流)。示例的，输入的数据包括海底地貌特征，水文特征，其中海底地貌特征和水文特征分别通过各自的向量表示，如水文特征(11，2，3.9，3，2.3)中的各元素分别表示平均高潮间隙11小时、平均低潮间隙2小时、大潮升3.9m、小潮升3m、平均海面2.3m。在一些实施例中，通过存储设备或其他方式获取的历史上发生的紧急事件情况数据，例如，截止当前的历史某段时间(如去年)各个月份，发生的火灾、触礁、船舶碰撞等紧急情况。例如，获取的历史上发生的紧急事件情况数据包括触礁情况：去年1月份，发生触礁0次，造成的受伤总人数0人、死亡人数0人，财产损失值0万；去年2月份，发生触礁0次，造成的受伤总人数0人、死亡人数0人，财产损失值0万……。又例如，获取的历史上发生的紧急事件情况数据包括船舶碰撞情况：去年1月份，发生船舶碰撞5次，造成的受伤总人数20人、死亡人数0人，财产损失值100万；去年2月份，发生船舶碰撞20次，造成的受伤总人数50人、死亡人数2人，财产损失值1000万……。
在一些实施例中，海况判断模型的输出包括未来各类紧急情况事件以及其对应的置信度。例如，模型输出的向量(a，b，c)，其中a，b，c这3个元素分别表示火灾、触礁、船舶碰撞，其值表示这3种紧急情况的置信度，具体的，比如(0.3，0，0.7)，分别表示在目标海域发生火灾的置信度为0.3，发生触礁的置信度为0，发生船舶碰撞的置信度为0.6。
在一些实施例中，事故的频繁发生与目标海域的海域特征存在联系，结合目标海域的海域特征预测可以提高模型预测的准确性。以火灾类型为例，如果目标海域的临近海域有油田，天然气等资源的开采，则海上易燃易爆化学物质的浓度相对较高，加上天气原因(如目标海域的风向)，则目标海域内的船舶人员，如果不注意用火安全，则可能发生火灾事故。即，基于模型预测的结果，为应急演练计划的调整提供依据。进一步的，发生紧急情况的置信度越大，则优先级越大。在一些实施例中，历史上某海域发生的某种事故越频繁，则未来发生的置信度越高。多种事故频繁，则目标海域为事故多发区域，是需要酌情调整船舶航行时的培训计划(即应急演练培训的计划)。
在一些实施例中，海况判断模型的输入不仅包括海域特征及该海域历史上发生的紧急情况事件数据，还包括未来气候特征。获取目标海域的未来气象数据，包括通过气象网址等方式获取，如风速、风向、温度、是否有雨、能见度等气象特征。在一些实施例中，海上紧急情况与通常与气象数据的关系比较大，通过获取未来气象数据，使结果更加准确。
在一些实施例中，基于不同的紧急情况，针对应急演练计划的优先级设定设权重。例如，若在目标海域发生火灾的置信度为0.3，发生船舶碰撞的置信度为0.6，火灾和碰撞相应的演练计划的预设权重为0.6、0.2，进一步基于该置信度及权重计算最终优先级，火灾相关演练计划优先级为0.3*0.6＝0.18，碰撞相关演练计划优先级为0.7*0.2＝0.14。则，0.18>0.14，那么火灾相关演练计划更优先。基于该优先级，处理器可以自动添加火灾应急演练计划(也称为应急培训课程)，并将计划相关的通知信息发送至终端设备，使对应人员收到提示并发起火灾应急培训课程。
在一些实施例中，不同海域的海域特征不同的，应急演练的培训计划也会不同，随着船舶的航行，对于不同的海域自动调整海上应急演练培训计划，可以更有针对性地预测未来可能发生的异常情况，调整应急演练培训计划，提高应急培训的效用与意义，以防范未来潜在的异常情况，提高航行的安全性。
在一些实施例中，处理器将海况判断模型输出的未来各类紧急情况事件及其对应的置信度与基于当前海况信息判断后获取海况类型及其置信度进行组合判断，调整动态培训计划。在一些实施例中，该组合判断和调整过程可以通过机器学习模型自动实现。在一些实施例中，针对未来各类紧急情况事件对应的置信度设置影响因子。根据置信度的数值所在范围的不同对应设置不同数值的影响因子。例如，置信度小于等于0.3时设置影响因子数值为0.8，大于0.3小于等于0.5时影响因子数值为1，大于0.5小于0.7时影响因子数值为1.5，大于等于0.7时的影响因子数值为2。在一些实施例中，影响因子可以用于与基于当前海况信息判断后获取的海况类型的置信度相乘，并进一步基于该乘积进行阈值判断，确定是否调整当前的动态培训计划。例如，海况判断模型判断出3天后经过某海域时，出现触礁的置信度为0.6，其对应的影响因子为1.5，且海况判断模型基于当前海况信息判断出当前出现触礁的置信度为0.4，则判断当前是否启动针对触礁的应急培训演练的优先级为1.5*0.4＝0.6，由于优先级数值由0.4变化为0.6，其大于预设阈值0.5，则需要立即启动动态培训计划。在一些实施例中，将预测的未来紧急情况事件的影响因子结合当前海况信息对应的置信度，兼顾未来及当下情况调整动态培训计划，可以做出更为客观准确的判断及调整决策。
在本说明书一些实施例中，通过海况类型判断模型可以便捷地监控到异常海况并生成对应培训计划，有助于培训体系的效率、智能化程度以及应急培训能力。
图5是根据本说明书又一些实施例所示的船员培训管理方法的示例性流程图。如图5所示，流程500包括下述步骤。在一些实施例中，流程500可以由处理器112执行。
步骤510，基于所述初始培训计划或所述目标培训计划生成培训通知。该步骤由发送模块260执行。
培训通知是指培训前和/或培训期间通知培训的提示信息。例如：终端显示屏上显示“初级船员培训将于4月6日上午9:00在船员培训中心进行，每天上课培训，总耗时不低于300小时”。
在一些实施例中，培训通知的内容中可以包括：
在一些实施例中，处理器可以基于所述初始培训计划或目标培训计划生成培训通知。处理器可以获取初始培训计划或目标培训计划中的培训相关内容，其中，相关内容可以包括：培训地点(如，岸基船舶管理中心、XX号船活动室等)、培训形式(如，线上、线下)、培训开始时间(如，4月6日)、培训结束时间(如，7月31日)、培训总花费时间(如，300小时、350小时等)、培训上课频率(如，每天、每隔一天、每周末等)、培训课程内容(如，初级船员培训课程、中级船员培训课程、高级船员培训课程等)、目前培训进度(如，已完成0％、已完成50％、已完成100％)等信息。处理器将培训相关内容整合成包括但不限于广播、文字、视频、图像、语音等一种或多种形式的培训通知消息。
步骤520，基于所述初始培训计划或所述目标培训计划对应的培训时间，向所述初始培训计划或所述目标培训计划对应的培训对象发送所述培训通知。该步骤由发送模块260执行。
培训时间是指完成部分或全部培训计划的起止时间，例如，设备维修技能的培训计划于2021年9月1日9:00开始，2021年9月1日结束19:00结束；再例如，初级学员培训计划于2021年1月1日开始，2021年4月30日结束，其中，初级学员培训计划的第一阶段于2021年1月1日开始，2021年1月30日结束、第二阶段于2021年2月1日开始，2021年3月15日结束、第三阶段于2021年3月15日开始，2021年4月30日结束。
培训对象是指具有培训需求的人员。例如：管理人员、岸基工作人员、船舶驾驶人员、甲板工作人员等。
在一些实施例中，处理器可以采用包括船上或岸基广播、向终端发送短信、视频、图像、语音、文本推送等一种或多种形式来向初始培训计划或目标培训计划对应的培训对象发送培训通知。在一些实施例中，可以基于培训最初的开始时间，在培训前(如，培训时间的前10分钟、培训前一天)，发送培训通知给培训对象。在一些实施例中，可以基于培训频率(如，每天、每周末)，定期发送培训通知给培训对象。在一些实施例中，可以基于初始培训计划或目标培训计划中的进度安排，在进度完成截止日前(如，截止日前一周、截止日前三天)，发送培训通知给培训对象。
系统通过对培训对象发送培训通知，培训对象可以按期按时接受培训，帮助培训对象提高培训效率。
图6是根据本说明书又一些实施例所示的船员培训管理方法的示例性流程图。如图6所示，流程600包括下述步骤。在一些实施例中，流程600可以由处理器112执行。
步骤610，基于所述初始培训计划和所述目标培训计划，生成培训记录。该步骤由培训进度确定模块270执行。
培训记录是指培训对象接受培训的情况记录。在一些实施例中，培训记录可以包括：参与培训的出勤情况(如，全勤且无迟到、迟到1次、早退3次等)、培训完成进度(如，10％、50％等)、各阶段培训完成质量(如，第一阶段为优秀，第二阶段为良好等)。
在一些实施例中，处理器可以基于初始培训计划或目标培训计划生成培训记录。处理器可以获取初始培训计划或目标培训计划中的培训相关内容，其中，相关内容可以包括：培训对象、培训地点、培训形式、培训开始时间、培训结束时间、培训总时间、培训频率、培训课程内容等。在一些实施例中，培训未开始阶段时的培训记录可以设置为初始值(如，初始值为无，初始值为0等)。在培训开始后，培训记录可以进行更新。
步骤620，通过终端设备获取培训情况数据，基于所述培训情况数据更新所述培训记录。该步骤由培训进度确定模块270执行。
关于获取培训情况数据的更多内容可以参见本说明书其他部分(例如，图3及其相关描述)，在此不再赘述。
在一些实施例中，根据获取培训情况数据，可以采取人工输入培训对象的培训情况对培训记录更新，例如，可以由培训课程负责人输入培训对象的出勤情况。又例如，可以由培训对象自行输入自身培训进度等。
在一些实施例中，根据获取培训情况数据，处理器可以自动对培训记录进行更新。例如，处理器可以获取涉及培训情况数据的文档(如，培训评分)，通过对培训情况数据的文档进行文本识别，并将识别到的文本传输至存储设备，实现对存储设备中的培训记录进行更新；再例如，处理器可以基于预设规则对系统中的培训情况数据进行抓取，将抓取到的相关数据传输至存储设备，实现对存储设备中的培训记录进行自动更新。
在一些实施例中，可以定期对培训记录进行更新，例如，每天更新、每周更新等。在一些实施例中，可以根据初始培训计划或目标培训计划中的培训计划进度对培训记录进行更新，例如，每次培训结束后、每一阶段培训结束的当天、初始培训计划或目标培训计划全部完成后进行更新。
步骤630，基于所述培训记录确定培训进度。该步骤由培训进度确定模块270执行。
培训进度是指一个或多个培训对象完成部分或全部初始培训计划或目标培训计划的进展程度。在一些实施例中，培训进度可以包括一个培训对象的培训计划完成量占部分或全部目标培训量的比例。例如，船员A已完成中级船员培训课程第一阶段内容的20％、管理人员B已完成全部管理人员培训课程100％等。在一些实施例中，培训进度可以是目前已完成当前部分或全部初始培训计划或目标培训计划的培训对象人数占所有需要完成当前部分或全部初始培训计划或目标培训计划的培训对象人数的比例。例如，50％的船员已完成全部中级船员培训课程、100％的管理组成员已完成全部管理人员培训课程等。
在一些实施例中，初始培训计划或目标培训计划可以包括一个或多个培训阶段或培训课程。
在一些实施例中，处理器可以确定培训对象已完成的培训阶段或培训课程占总培训课程中的比例来确定培训进度，其中，所占比例可以根据完成当前培训阶段或培训课程的培训时间、当前培训阶段或培训课程的培训时间的内容量、当前培训阶段或培训课程的内容重要程度等来确定。
在一些实施例中，处理器可以根据培训对象在当前培训阶段或培训课程的考评情况来确定其是否完成当前培训阶段或培训课程。在一些实施例中，考评情况可以包括但不限于出勤情况、考试情况和/或作业提交情况中的一种或多种指标。
例如，设定合格分数为70分，船员A在初级船员培训中考试成绩为90分，则完成初级船员培训，当前阶段的培训进度为100％；若为69分，则未完成初级船员培训，当前阶段的培训进度为0。又例如，设定合格出勤率为98％，船员A在初级船员培训中出勤率为100％，则完成初级船员培训，当前阶段的培训进度为100％；船员A在初级船员培训中出勤率为96％，则未完成初级船员培训，当前阶段的培训进度为0。再例如，设定作业提交次数为10次，船员A在初级船员培训中作业提交了10次，则完成初级船员培训，当前阶段的培训进度为100％；船员A在初级船员培训中作业提交了8次，则未完成初级船员培训，当前阶段的培训进度为0。
在一些实施例中，处理器可以基于所述培训进度，生成培训管理反馈。
培训管理反馈是指反映一个或多个培训对象对应的培训情况或初始培训计划或目标培训计划设置是否合理的分析评价信息。例如，船员A按时完成了初始培训计划或目标培训计划中的初级和中级培训课程，高级培训课程在截止日前仍未完成，处理器则可以生成培训管理反馈：船员A完成高级培训课程较吃力，可适当延长完成时间。又例如，初级船员培训课程所有培训对象均按时完成了所有培训，处理器则可以生成培训管理反馈：初始培训计划或目标培训计划中的初级船员培训课程设置合理。
在一些实施例中，管理人员可以基于所述培训管理反馈，调整培训的安排和计划。例如，处理器生成培训管理反馈：甲板业务技能的培训计划，40％的培训对象不能按时完成该计划。则管理人员可以基于该培训管理反馈，对甲板业务技能的培训进行培训时间的延长或者培训难度的降低。
在一些实施例中，培训管理反馈可以由人工(专家、技术人员)评判得出。在一些实施例中，培训管理反馈可以通过系统预设规则生成。例如，培训对象按时完成某培训课程比例为70％，低于预设的完成比例90％，则处理器可以生成培训管理反馈：可适当延长该培训课程的完成时间。
在一些实施例中，处理器可以基于时间周期生成培训管理反馈，如月培训报告、季度培训报告，年度培训报告等。在一些实施例中，可以根据初始培训计划或目标培训计划中的培训计划进度生成培训管理反馈，例如，每次培训结束后、每一阶段培训结束的当天、初始培训计划或目标培训计划全部完成后进行更新。
系统通过对培训对象的培训进度进行统计管理，能够清楚地获知培训对象的培训情况，能够对培训对象进行提示，或者对初始培训计划或目标培训计划中的培训进度快慢进行调整，实现了船员培训科学的规划，提高了培训效率。
应当注意的是，上述有关流程船员培训管理方法的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程船员培训管理方法进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
本说明书实施例还提供了一种船员培训管理装置，所述装置包括处理器以及存储器，所述存储器用于存储指令，其特征在于，所述指令被所述处理器执行时，导致所述装置实现如前述中任一项所述船员培训管理方法对应的操作。
本说明书实施例还提供了一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如前所述船员培训管理方法。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种船员培训管理方法，包括：
获取初始培训计划；
基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型；
判断所述海况类型是否满足预设条件；
响应于满足所述预设条件，确定与所述海况类型匹配的动态培训计划；
基于所述动态培训计划，对所述初始培训计划进行调整，生成目标培训计划。
2.如权利要求1所述的方法，所述海况类型判断模型包括一个或多个子模型，所述一个或多个子模型至少包括：
暴雨异常判断模型、低温异常判断模型、低能见度异常判断模型和/或大风浪异常判断模型。
3.如权利要求1所述的方法，所述方法还包括：
基于所述初始培训计划或所述目标培训计划生成培训通知；
基于所述初始培训计划或所述目标培训计划对应的培训时间，向所述初始培训计划或所述目标培训计划对应的培训对象发送所述培训通知。
4.如权利要求1所述的方法，所述方法还包括：
基于所述初始培训计划和所述目标培训计划，生成培训记录；
通过终端设备获取培训情况数据，基于所述培训情况数据更新所述培训记录；
基于所述培训记录确定培训进度。
5.一种船员培训管理系统，包括：
获取模块，用于获取初始培训计划；
确定模块，用于基于采集设备获取的海况信息，通过海况类型判断模型，确定海况类型；
判断模块，用于判断所述海况类型是否满足预设条件；
动态培训计划确定模块，响应于满足预设条件，用于确定与所述海况类型匹配的动态培训计划；
调整模块，用于基于所述动态培训计划，对所述初始培训计划进行调整，生成目标培训计划。
6.如权利要求5所述的系统，所述海况类型判断模型包括一个或多个子模型，所述一个或多个子模型至少包括：
暴雨异常判断模型、低温异常判断模型、低能见度异常判断模型和/或大风浪异常判断模型。
7.如权利要求5所述的系统，所述系统还包括发送模块，所述发送模块用于：
基于所述初始培训计划或所述目标培训计划生成培训通知；
基于所述初始培训计划或所述目标培训计划对应的培训时间，向所述初始培训计划或所述目标培训计划对应的培训对象发送所述培训通知。
8.如权利要求5所述的系统，所述系统还包括培训进度确定模块，所述培训进度确定用于：
基于所述初始培训计划或所述目标培训计划，生成培训记录；
通过终端设备获取培训情况数据，基于所述培训情况数据更新所述培训记录；
基于所述培训记录确定培训进度。
9.一种船员培训管理装置，包括处理器，其特征在于，所述处理器用于执行如权利要求1～4任一项所述的船员培训管理方法。
10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～4任一项所述的船员培训管理方法。
CN202210460983.1A 2022-04-28 2022-04-28 一种船员培训管理方法和系统 Withdrawn CN114757801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210460983.1A CN114757801A (zh) 2022-04-28 2022-04-28 一种船员培训管理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210460983.1A CN114757801A (zh) 2022-04-28 2022-04-28 一种船员培训管理方法和系统

Publications (1)

Publication Number Publication Date
CN114757801A true CN114757801A (zh) 2022-07-15

Family

ID=82333727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210460983.1A Withdrawn CN114757801A (zh) 2022-04-28 2022-04-28 一种船员培训管理方法和系统

Country Status (1)

Country Link
CN (1) CN114757801A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689819A (zh) * 2022-09-23 2023-02-03 河北东来工程技术服务有限公司 一种船舶应急训练方法、系统、装置及可读存储介质
CN116843521A (zh) * 2023-06-09 2023-10-03 中安华邦(北京)安全生产技术研究院股份有限公司 一种基于大数据的培训档案管理系统及方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689819A (zh) * 2022-09-23 2023-02-03 河北东来工程技术服务有限公司 一种船舶应急训练方法、系统、装置及可读存储介质
CN116843521A (zh) * 2023-06-09 2023-10-03 中安华邦(北京)安全生产技术研究院股份有限公司 一种基于大数据的培训档案管理系统及方法
CN116843521B (zh) * 2023-06-09 2024-01-26 中安华邦(北京)安全生产技术研究院股份有限公司 一种基于大数据的培训档案管理系统及方法

Similar Documents

Publication Publication Date Title
CN114757801A (zh) 一种船员培训管理方法和系统
Joslyn et al. Evaluating individual differences in response to time-pressure situations.
US6940426B1 (en) Aircraft flight risk measuring system and method of operation
US11727500B2 (en) Damage prediction system using artificial intelligence
TWI794516B (zh) 透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法
CN114612061A (zh) 一种人力资源信息处理系统和方法
Oprins et al. Design of a competence-based assessment system for air traffic control training
CN115796826B (zh) 一种船舶安全管控的管理方法、系统、装置和存储介质
US11705151B1 (en) Speech signal processing system facilitating natural language processing using audio transduction
US20190108469A1 (en) Schedule management systems and methods
Trotter et al. Distributed improvisation: A systems perspective of improvisation ‘epics’ by led outdoor activity leaders
Malyszko Fuzzy logic in selection of maritime search and rescue units
CN116080847B (zh) 一种船舶安全管理的方法、系统、装置和存储介质
Knecht et al. Causes of general aviation weather-related, non-fatal incidents: Analysis using NASA aviation safety reporting system data
Giffard-Roisin et al. The 2018 climate informatics hackathon: Hurricane intensity forecast
Bennett Pilot workload and fatigue on four intra-European routes: a 12-month mixed-methods evaluation
Engtrø et al. The Polar Code's implications for safe ship operations in the Arctic region
Redding Cognitive Task Analysis of Prioritization in Air Traffic Control.
Dong et al. Evaluation for Trainee Pilot Workload Management Competency During Approach Phase Based on Flight Training Data
Arendasy et al. Statistical judgment formation in personnel selection: A study in military aviation psychology
Yoshimura et al. Questionnaire survey for adapting common performance conditions to marine accidents
McKinney Jr Crisis IT design implications for high risk systems: systems, control and information propositions
Sättele et al. Towards the evaluation of human factors in avalanche early warning systems
Judah Unmanned Aerial Vehicle Programs in the Fire Service: An Examination of Their Effectiveness and Challenges in Implementation
Gibbons et al. Observed heuristics and biases in air traffic management decision making using convective weather uncertainty

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220715