CN114973842A - 一种驾驶训练的方法、系统和装置 - Google Patents

Abstract

本申请提供一种驾驶训练的方法、系统和装置，该方法包括，获取车端的当前训练模式；在当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到车端的预测运动轨迹，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；在预测运动轨迹不满足驾驶要求的情况下，向车端发送当前训练模式对应的指令信息。通过该方法可以达到提高驾驶训练的效率的效果。

Description

一种驾驶训练的方法、系统和装置

技术领域

本申请涉及训练驾驶车辆的领域，具体而言，涉及一种驾驶训练的方法、系统和装置。

背景技术

目前，在训练学员驾驶车辆过程中用到的主要都是人工的辅导，或者在出现错误操作时进行语音的播报。

在上述过程中，语音提示的功能较为单一，学员学习驾驶技巧效率低下，无法更多的满足学员学习需求。

因此，如何提高驾驶训练的效率，是一个需要解决的技术问题。

发明内容

本申请实施例的目的在于提供一种驾驶训练的方法，通过本申请的实施例的技术方案可以达到提高驾驶训练的效率的效果。

第一方面，本申请实施例提供了一种驾驶训练的方法，应用于包括车端、云端和场端的面向服务架构SOA系统，所述方法由所述云端执行，包括，获取车端的当前训练模式；在当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到车端的预测运动轨迹，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；在预测运动轨迹不满足驾驶要求的情况下，向车端发送当前训练模式对应的指令信息。

在上述过程中，当确定车端的当前训练模式为目标训练模式时，通过预测车辆的运动轨迹，可以在不同的模式下为用户提前提供提示信息或者直接自动纠正，提前避免用户驾驶出错的方法进行训练可以达到提高驾驶训练的效率的效果。

一种实施例中，当前训练模式为语音提示模式、步骤引导模式或者误操作模式时，向车端发送当前训练模式对应的指令信息，包括：

向车端发送语音提示信息；

当前训练模式为车辆自动纠正以及语音提示模式，向车端发送当前训练模式对应的指令信息，包括：

向车端发送自动纠正的指令信息和语音提示信息。

在上述过程中，不同的目标模式对应的指令信息不同，可以根据不同的指令为用户提供不同等级的训练帮助，进而有效的提高了用户驾驶训练的效率。

一种实施例中，驾驶数据信息，包括：

车端检测的车辆状态信息和/或场端检测的车辆位置信息。

在上述过程中，驾驶数据可以从场端和车端获取，根据多种数据预测车辆的运动轨迹可以使最终的预测结果更加准确。

一种实施例中，在当前训练模式为无提示无纠正模式时，默认车端的驾驶动作。

在上述过程中，无提示无纠正模式下，用户的任何操作都会被默认，方便用户可以根据自己的需求自行操。

第二方面，本申请实施例提供了一种驾驶训练的方法，应用于包括车端、云端和场端的面向服务架构SOA系统，所述方法由所述车端执行，包括：向云端发送当前训练模式；当当前训练模式为目标模式中的任意一种时，接收云端发送的指令信息，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式，指令信息为云端对车端的驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定的，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

在上述过程中，当接收到车端发送的指令信息时，车端可以根据当前的训练模式选择语音提示或者是自动纠正用户操作，提高了用户驾驶训练的效率。

一种实施例中，当前训练模式为语音提示模式、步骤引导模式或者误操作模式，接收云端发送的指令信息，包括：

接收云端发送的语音提示信息；

当前训练模式为车辆自动纠正以及语音提示模式，接收云端发送的指令信息，包括：

接收云端发送的自动纠正的指令信息和语音提示信息。

在上述过程中，不同的目标模式对应的指令信息不同，可以根据不同的指令为用户提供不同等级的训练帮助，进而有效的提高了用户驾驶训练的效率。

一种实施例中，在当前训练模式为无提示无纠正模式时，默认车端的驾驶动作。

在上述过程中，无提示无纠正模式下，用户的任何操作都会被默认，方便用户可以根据自己的需求自行操。

第三方面，本申请实施例提供了一种驾驶训练的方法，应用于包括车端、云端和场端的面向服务架构SOA系统，方法由场端执行，包括：获取车端的驾驶数据信息，其中驾驶数据信息包括场端检测的车辆位置信息；向云端发送驾驶数据信息，其中，驾驶数据信息用于云端对驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定对应的指令信息，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

在上述过程中，当确定车端的当前训练模式为目标训练模式时，通过预测车辆的运动轨迹，可以在不同的模式下为用户提前提供提示信息或者直接自动纠正，提前避免用户驾驶出错的方法进行训练可以达到提高驾驶训练的效率的效果。

第四方面，本申请实施例提供了一种驾驶训练的系统，包括：

车端、云端和场端；

车端包括车端路由模块、SOA平台和学习设置模块；

云端包括无线通信模块、驾驶预测模块、驾驶评价模块、驾驶干预模块和数据存储模块；

场端包括图像采集模块、视频处理模块和无线模块。

一种实施例中，车端路由模块，用于向云端发送有关车端的第一驾驶数据信息；

SOA平台，用于收集车端各服务设备的驾驶数据信息，接收云端发送的提示信息和自动纠正的指令信息；

学习设置模块，用于设置车端的训练模式；

无线通信模块，用于接收车端和/或场端发送的驾驶数据信息，并向车端发送指令信息；

驾驶预测模块，用于预测车端的运动轨迹；

驾驶评价模块，用于判断车端的运动轨迹是否满足预设的运动轨迹；

驾驶干预模块，用于确定指令信息；

数据存储模块，用于存储预设的运动轨迹数据和正确的操作数据；

视频处理模块，用于确定车端各个顶点的坐标对应场地的几何图形坐标；

无线模块，用于向云端发送第二驾驶数据信息。

第五方面，本申请实施例提供了一种驾驶训练的装置，包括：

获取模块，用于获取车端的当前训练模式；

分析模块，用于在当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到车端的预测运动轨迹，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；

发送模块，用于在预测运动轨迹不满足驾驶要求的情况下，向车端发送当前训练模式对应的指令信息，其中，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

可选的，发送模块具体用于：

当前训练模式为语音提示模式、步骤引导模式或者误操作模式，向车端发送语音提示信息；

当前训练模式为车辆自动纠正以及语音提示模式，向车端发送自动纠正的指令信息和语音提示信息。

可选的，驾驶数据信息，包括：

车端检测的车辆状态信息和/或场端检测的车辆位置信息。

可选的，在当前训练模式为无提示无纠正模式时，默认车端的驾驶动作。

第六方面，本申请实施例提供了一种驾驶训练的装置，其特征在于，包括：

发送模块，用于向云端发送当前训练模式；

接收模块，用于当当前训练模式为目标模式中的任意一种时，接收云端发送的指令信息，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式，指令信息为云端对车端的驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定的，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

可选的，接收模块具体用于：

当前训练模式为语音提示模式、步骤引导模式或者误操作模式，接收所述云端发送的语音提示信息；

当前训练模式为车辆自动纠正以及语音提示模式，接收所述云端发送的自动纠正的指令信息和语音提示信息。

可选的，在所述当前训练模式为无提示无纠正模式时，默认所述车端的驾驶动作。

第七方面，本申请实施例提供了一种驾驶训练的装置，其特征在于，包括：

获取模块，用于获取车端的驾驶数据信息，其中驾驶数据信息包括场端检测的车辆位置信息；

发送模块，用于向云端发送驾驶数据信息，其中，驾驶数据信息用于云端对驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定对应的指令信息，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

第八方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面、第二方面或第三方面提供的所述方法中的步骤。

第九方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面、第二方面或第三方面提供的所述方法中的步骤。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请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。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的一种驾驶训练的方法的流程图；

图2为本申请实施例提供的一种驾驶训练的详细实施方法的流程图；

图3为本申请实施例提供的另一种驾驶训练的方法的流程图；

图4为本申请实施例提供的又一种驾驶训练的方法的流程图；

图5为本申请实施例提供的一种驾驶训练的系统的示意框图；

图6为本申请实施例提供的一种驾驶训练的装置的示意框图；

图7为本申请实施例提供的另一种驾驶训练的装置的示意框图；

图8为本申请实施例提供的又一种驾驶训练的装置的示意框图；

图9为本申请实施例提供的一种驾驶训练的装置的结构示意框图。

具体实施方式

下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和显示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

首先对本申请实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。

SOA：service-oriented architecture,一种面向服务的架构开发理念，是一个组件模型，它将应用程序的不同功能单元(称为服务)进行拆分，并通过这些服务之间定义良好的接口和协议联系起来。接口是采用中立的方式进行定义的，它应该独立于实现服务的硬件平台、操作系统和编程语言。这使得构建在各种各样的系统中的服务可以以一种统一和通用的方式进行交互。

TSP：Telematics Service Provider，汽车远程服务。

APA:AutoParkingAssist，自动泊车辅助系统。

本申请应用于训练驾驶车辆的场景，具体场景为学员可以通过车端的控制屏选择训练模式，在不同模式下，云端可以根据车辆的轨迹进行预测，并给车端发送指令对学员的操作进行纠正或者提示。

但是目前在训练学员驾驶车辆过程中用到的主要都是人工的辅导，或者在出现错误操作时进行语音的播报。上述过程中，语音提示的功能较为单一，学员学习驾驶技巧效率低下，无法更多的满足学员学习需求。

为此本申请通过获取车端的当前训练模式；在当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到车端的预测运动轨迹，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；在预测运动轨迹不满足驾驶要求的情况下，向车端发送当前训练模式对应的指令信息。通过该方法可以达到提高驾驶训练的效率的效果。

本申请实施例中，执行主体可以为驾驶训练系统中的驾驶训练设备，实际应用中，驾驶训练设备可以为车端设备、云端设备、场端设备、终端设备和服务器设备等电子设备，在此不做限制。

下面结合图1对本申请实施例的驾驶训练的方法进行详细描述。

请参看图1，图1为本申请实施例提供的一种驾驶训练的方法的流程图，应用于包括车端、云端和场端的面向服务架构SOA系统，所述方法由所述云端执行，如图1所示的驾驶训练的方法包括：

步骤110：获取车端的当前训练模式。

在上述过程中，根据车端的模式，可以为学员提供不同难度等级的训练模式，方便训练学员的驾驶的训练效率。

其中，当前的训练模式可以在车端的学习屏上选择，可根据学员的熟练程度选择不同的训练模式，例如，是否需要语音提示，是否需要系统自动纠正学员的错误操作，还可以根据需求提供文字的提示，或者一些操作步骤，还可以根据用户需求自定义当前训练模式，操作错误可以是用户的运动轨迹偏离，也可以是摄像头显示用户的车辆即将撞杆等。

步骤120：在当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到车端的预测运动轨迹。

在上述过程中，通过对数据信息的分析，可以提前预测车辆的运动轨迹，进而提示用户如何操作或者直接自动进行纠正操作，完成用户的驾驶训练，可以提高用户训练的效率。

其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式，驾驶数据信息，包括，车端检测的车辆状态信息和/或场端检测的车辆位置信息，根据场端摄像头检测的车辆位置，可以判断用户的运动轨迹，或者根据用户的操作，例如方向盘转动的角度，刹车踩的位置，也可以预测车辆的运动轨迹，还可以根据两者的结合共同预测车辆的运动轨迹。

一种实施例中，当前训练模式为语音提示模式、步骤引导模式或者误操作模式时，向车端发送当前训练模式对应的指令信息，包括：

向车端发送语音提示信息；

当前训练模式为车辆自动纠正以及语音提示模式，向车端发送当前训练模式对应的指令信息，包括：

向车端发送自动纠正的指令信息和语音提示信息。

在当前训练模式为无提示无纠正模式时，默认车端的驾驶动作。

在上述过程中，不同的目标模式对应的指令信息不同，可以根据不同的指令为用户提供不同等级的训练帮助，进而有效的提高了用户驾驶训练的效率。无提示无纠正模式下，用户的任何操作都会被默认，方便用户可以根据自己的需求自行操。

其中，误操作模式可以是在用户操作错误时，例如，方向盘打反，为用户提供语音提示，步骤引导模式，可以是在用户操作错误或者不知道如何操作时为用户提供操作步骤的提示，自动纠正模式，可以是在用户操作错误或者是车辆的运动轨迹偏轨时及时的进行自动的矫正，自动纠正以及语音提示模式，可以是在用户操作错误时，或者车辆的运动轨迹偏轨时进行语音或者文字的提示并自动进行矫正，无提示无纠正模式可以在用户操作比较熟练时，不为用户提供提示和对车辆进行矫正，方便用户根据自己需求自行操作。

步骤130：在预测运动轨迹不满足驾驶要求的情况下，向车端发送当前训练模式对应的指令信息。

在上述过程中，在预测到车辆的运动轨迹即将发生偏轨或者正在偏轨时才会向车端发送指令信息，用于为用户提供提示和/或矫正车辆的运动轨迹，为用户的驾驶训练提供方便。

一种实施例中，下面根据图2详细举例说明用户选择不同的模式，对应的不同训练方式。

请参看图2，图2为本申请实施例提供的一种驾驶训练的详细实施方法的流程图，应用于包括车端、云端和场端的面向服务架构SOA系统，如图2所示的驾驶训练的方法包括：

步骤210：用户设置当前训练模式。

具体的，用户可以根据自身熟练的程度选择训练模式。

步骤220：用户进行驾驶操作。

具体的，用户可以进行一些驾驶操作，例如，踩刹车、切换挡位、踩油门、转动方向盘和打转向等。

步骤230：判断是否需要自动纠正。

具体的，若用户选择的是不需要自动纠正则进行步骤240，若用户选择的是需要自动纠正则进行步骤250。

步骤240：判断操作是否正确。

具体的，若判断用户的操作正确，则进行步骤260，若判断用户的操作错误，则进行步骤270。

步骤250：判断操作是否正确。

具体的，若判断用户的操作错误，则进行步骤280，若判断用户的操作争取，则进行步骤290。

步骤260：提示操作成功。

步骤270：提前提示错误。

步骤280：提前提示错误并进行自动纠正。

步骤290：提示操作成功。

其中，上述有关提示可以从车端的显示屏显示，也可以语音进行提示。

综上所述，本申请通过SOA的方式实现驾驶学习功能，组合灵活，且易于对学习系统进行修改升级，可以满足不同驾驶者的学习训练需求。对车辆的横纵向控制，车辆运动状态，驾驶员操作，HMI(人机接口)警示等功能实现服务化并对外暴露，其中包括云端对车端发送的自动纠正指令和HMI提示信息，车端在响应外界时会提供对应的接口执行对应的指令，例如，车端会提供响应外界的减速指令的服务接口，使得后台能够实时获取到车辆具体的驾驶情况，方便对驾驶员的操作进行评估，并在需要的时机进行有效纠正。后台结合车辆信息上报结果和布置在训练场的传感器信息上报结果进行云处理，预测车辆是否操作适当，并将训练或纠正指令下发到车辆，执行更加高效和便于管理。针对不同驾驶熟练程度的学员，训练系统可从多项选择中进行设置，如仅语音提示错误，语音提示加自动纠正，无提示无纠正等，满足各个情况的驾驶人员的练习要求，全程无需教练员介入。

请参看图3，图3为本申请实施例提供的另一种驾驶训练的方法的流程图，应用于包括车端、云端和场端的面向服务架构SOA系统，方法由车端执行，如图3所示的驾驶训练的方法包括：

步骤310：向云端发送当前训练模式。

步骤320：当当前训练模式为目标模式中的任意一种时，接收云端发送的指令信息。

在上述过程中，当接收到车端发送的指令信息时，车端可以根据当前的训练模式选择语音提示或者是自动纠正用户操作，提高了用户驾驶训练的效率。

其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式，指令信息为云端对车端的驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定的，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

当前训练模式为语音提示模式、步骤引导模式或者误操作模式，接收云端发送的指令信息，包括：

接收云端发送的语音提示信息；

当前训练模式为车辆自动纠正以及语音提示模式，接收云端发送的指令信息，包括：

接收云端发送的自动纠正的指令信息和语音提示信息。

在上述过程中，不同的目标模式对应的指令信息不同，可以根据不同的指令为用户提供不同等级的训练帮助，进而有效的提高了用户驾驶训练的效率。

一种实施例中，在当前训练模式为无提示无纠正模式时，默认车端的驾驶动作。

在上述过程中，无提示无纠正模式下，用户的任何操作都会被默认，方便用户可以根据自己的需求自行操。

请参看图4，图4为本申请实施例提供的又一种驾驶训练的方法的流程图，应用于包括车端、云端和场端的面向服务架构SOA系统，所述方法由所述场端执行，如图4所示的驾驶训练的方法包括：

步骤410：获取车端的驾驶数据信息。

其中驾驶数据信息包括场端检测的车辆位置信息。

步骤420：向云端发送驾驶数据信息。

其中，驾驶数据信息用于云端对驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定对应的指令信息，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

在上述过程中，当确定车端的当前训练模式为目标训练模式时，通过预测车辆的运动轨迹，可以在不同的模式下为用户提前提供提示信息或者直接自动纠正，提前避免用户驾驶出错的方法进行训练可以达到提高驾驶训练的效率的效果。

前文通过图1-图4描述了驾驶训练的方法，下面结合图5描述驾驶训练的系统。

请参照图5，为本申请实施例中提供的一种驾驶训练的系统500的示意框图，如图5所示的系统包括：

所述车端包括车端路由模块、SOA平台和学习设置模块；

所述云端包括无线通信模块、驾驶预测模块、驾驶评价模块、驾驶干预模块和数据存储模块；

所述场端包括图像采集模块、视频处理模块和无线模块。

所述车端路由模块，用于向所述云端发送有关所述车端的第一驾驶数据信息；

所述SOA平台，用于收集所述车端各服务设备的驾驶数据信息，接收所述云端发送的提示信息和自动纠正的指令信息；

所述学习设置模块，用于设置所述车端的训练模式；

所述无线通信模块，用于接收车端和/或场端发送的驾驶数据信息，并向所述车端发送指令信息；

所述驾驶预测模块，用于预测所述车端的运动轨迹；

所述驾驶评价模块，用于判断所述车端的运动轨迹是否满足预设的运动轨迹；

所述驾驶干预模块，用于确定所述指令信息；

所述数据存储模块，用于存储预设的运动轨迹数据和正确的操作数据；

所述视频处理模块，用于确定所述车端各个顶点的坐标对应场地的几何图形坐标；

所述无线模块，用于向所述云端发送第二驾驶数据信息。

其中，车端路由模块可以为T-BOX，车端还包括显示屏为HMI显示屏和一些电器元件，每个部件都装有对应的服务功能，包括，系统设置服务、车速服务、档位服务、方向盘信息服务、油门信息服务、制动信息服务、驾驶员状态服务、纵向控制服务、横向控制服务和语音服务等，这些服务经过T-BOX路由把相关的SOMEIP(车载以太网)消息转换成MQTT(消息队列遥测传输)信息上报到云端。场端的服务有车辆位置服务，并通过场端的无线模块通过MQTT协议发送到云端，车端可以将学习设置、车速、档位、航向角、油门开度、制动踏板状态、方向盘转角和方向盘力矩等驾驶员驾驶信息和车辆运动状态信息封装成通知型的服务并通过车载无线终端实时上报给云端。同时车辆也开放出语音提示、横纵向控制等服务接口方便后台通过无线终端进行调用。场端包括多个摄像头，用于检测车辆的位置坐标，并将视频结果计算出车辆矩形顶点对应场地的几何图形坐标并以服务的方式提供给云端。云端设置有数据库，用于存储车端和场端发送的数据，以及不同模式下对应的提示信息等，其中云端也是通过MQTT消息发送到车端，并由T-BOX转换成SOEMIP协议提供给车内各个服务，图像采集模块可以为由摄像头组成的摄像模块，用于图像视频的采集。所述提示信息可以为语音提示信息，也可以是在HMI显示的文字提示信息；

前文通过图5描述了驾驶训练的系统，下面结合图6-图9描述驾驶训练的装置。

请参照图6，为本申请实施例中提供的一种驾驶训练的装置600的示意框图，该装置600可以是电子设备上的模块、程序段或代码。该装置600与上述图1方法实施例对应，能够执行图1方法实施例涉及的各个步骤，该装置600具体的功能可以参见下文中的描述，为避免重复，此处适当省略详细描述。

可选的，所述装置600包括：

获取模块610，用于获取车端的当前训练模式；

分析模块620，用于在当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到车端的预测运动轨迹，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；

发送模块630，用于在预测运动轨迹不满足驾驶要求的情况下，向车端发送当前训练模式对应的指令信息，其中，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

可选的，发送模块具体用于：

当前训练模式为语音提示模式、步骤引导模式或者误操作模式，向车端发送语音提示信息；

当前训练模式为车辆自动纠正以及语音提示模式，向车端发送自动纠正的指令信息和语音提示信息。

可选的，驾驶数据信息，包括：

车端检测的车辆状态信息和/或场端检测的车辆位置信息。

可选的，在当前训练模式为无提示无纠正模式时，默认车端的驾驶动作。

请参照图7，为本申请实施例中提供的另一种驾驶训练的装置700的示意框图，该装置700可以是电子设备上的模块、程序段或代码。该装置700与上述图3方法实施例对应，能够执行图3方法实施例涉及的各个步骤，该装置700具体的功能可以参见下文中的描述，为避免重复，此处适当省略详细描述。

可选的，所述装置700包括：

发送模块710，用于向云端发送当前训练模式；

接收模块720，用于当当前训练模式为目标模式中的任意一种时，接收云端发送的指令信息，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式，指令信息为云端对车端的驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定的，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

可选的，接收模块具体用于：

当前训练模式为语音提示模式、步骤引导模式或者误操作模式，接收所述云端发送的语音提示信息；

所述当前训练模式为语音提示模式，接收所述云端发送的自动纠正的指令信息；

所述当前训练模式为车辆自动纠正以及语音提示模式，所述接收所述云端发送的指令信息，包括：

接收所述云端发送的自动纠正的指令信息和语音提示信息。

可选的，在所述当前训练模式为无提示无纠正模式时，默认所述车端的驾驶动作。

请参照图8，为本申请实施例中提供的又一种驾驶训练的装置800的示意框图，该装置800可以是电子设备上的模块、程序段或代码。该装置800与上述图4方法实施例对应，能够执行图4方法实施例涉及的各个步骤，该装置800具体的功能可以参见下文中的描述，为避免重复，此处适当省略详细描述。

可选的，所述装置800包括：

获取模块810，用于获取车端的驾驶数据信息，其中驾驶数据信息包括场端检测的车辆位置信息；

发送模块820，用于向云端发送驾驶数据信息，其中，驾驶数据信息用于云端对驾驶数据信息进行分析，得到的车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定对应的指令信息，指令信息用于控制车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

请参照图9为本申请实施例中提供的一种驾驶训练的装置900的结构示意框图，该装置可以包括存储器910和处理器920。可选的，该装置还可以包括：通信接口930和通信总线940。该装置与上述图1、图3或图4方法实施例对应，能够执行图1、图3或图4方法实施例涉及的各个步骤，该装置具体的功能可以参见下文中的描述。

具体的，存储器910，用于存储计算机可读指令。

处理器920，用于处理存储器存储的可读指令，能够执行图1、图3或图4方法中的各个步骤。

通信接口930，用于与其他节点设备进行信令或数据的通信。例如：用于与服务器或者终端的通信，或者与其它设备节点进行通信，本申请实施例并不限于此。

通信总线940，用于实现上述组件直接的连接通信。

其中，本申请实施例中设备的通信接口930用于与其他节点设备进行信令或数据的通信。存储器910可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器910可选的还可以是至少一个位于远离前述处理器的存储装置。存储器910中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器920执行时，电子设备执行上述图1、图3或图4所示方法过程。处理器920可以用于装置600、装置700或装置800上，并且用于执行本申请中的功能。示例性地，上述的处理器920可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，本申请实施例并不局限于此。

本申请实施例还提供一种可读存储介质，所述计算机程序被处理器执行时，执行如图1、图3或图4所示方法实施例中电子设备所执行的方法过程。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

综上所述，本申请实施例提供一种驾驶训练的方法、系统和装置，该方法包括，获取车端的当前训练模式；在当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到车端的预测运动轨迹，其中，目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；在预测运动轨迹不满足驾驶要求的情况下，向车端发送当前训练模式对应的指令信息。通过该方法可以达到提高驾驶训练的效率的效果。

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，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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，本申请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)执行本申请各个实施例所述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-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种驾驶训练的方法，其特征在于，应用于包括车端、云端和场端的面向服务架构SOA系统，所述方法由所述云端执行，所述方法包括：

获取所述车端的当前训练模式；

在所述当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到所述车端的预测运动轨迹，其中，所述目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；

在所述预测运动轨迹不满足驾驶要求的情况下，向所述车端发送所述当前训练模式对应的指令信息，其中，所述指令信息用于控制所述车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

2.根据权利要求1所述的方法，其特征在于，所述当前训练模式为所述语音提示模式、所述步骤引导模式或者所述误操作模式时，所述向所述车端发送所述当前训练模式对应的指令信息，包括：

向所述车端发送语音提示信息；

所述当前训练模式为车辆自动纠正以及语音提示模式，所述向所述车端发送所述当前训练模式对应的指令信息，包括：

向所述车端发送自动纠正的指令信息和语音提示信息。

3.根据权利要求1或2所述的方法，其特征在于，所述驾驶数据信息，包括：

车端检测的车辆状态信息和/或场端检测的车辆位置信息。

4.根据权利要求1或2所述的方法，其特征在于，在所述当前训练模式为无提示无纠正模式时，默认所述车端的驾驶动作。

5.一种驾驶训练的方法，其特征在于，应用于包括车端、云端和场端的面向服务架构SOA系统，所述方法由所述车端执行，所述方法包括：

向所述云端发送当前训练模式；

当所述当前训练模式为目标模式中的任意一种时，接收所述云端发送的指令信息，其中，所述目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式，所述指令信息为所述云端对所述车端的驾驶数据信息进行分析，得到的所述车端的预测运动轨迹在不满足驾驶要求的情况下，由所述当前训练模式确定的，所述指令信息用于控制所述车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

6.一种驾驶训练的方法，其特征在于，应用于包括车端、云端和场端的面向服务架构SOA系统，所述方法由所述场端执行，所述方法包括：

获取所述车端的驾驶数据信息，其中所述驾驶数据信息包括所述场端检测的车辆位置信息；

向所述云端发送所述驾驶数据信息，其中，所述驾驶数据信息用于所述云端对所述驾驶数据信息进行分析，得到的所述车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定对应的指令信息，所述指令信息用于控制所述车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

7.一种驾驶训练的系统，其特征在于，包括：

车端、云端和场端；

所述车端包括车端路由模块、SOA平台和学习设置模块；

所述云端包括无线通信模块、驾驶预测模块、驾驶评价模块、驾驶干预模块和数据存储模块；

所述场端包括图像采集模块、视频处理模块和无线模块；

所述车端路由模块，用于向所述云端发送有关所述车端的第一驾驶数据信息；

所述SOA平台，用于收集所述车端各服务设备的驾驶数据信息，接收所述云端发送的提示信息和自动纠正的指令信息；

所述学习设置模块，用于设置所述车端的训练模式；

所述无线通信模块，用于接收车端和/或场端发送的驾驶数据信息，并向所述车端发送指令信息；

所述驾驶预测模块，用于预测所述车端的运动轨迹；

所述驾驶评价模块，用于判断所述车端的运动轨迹是否满足预设的运动轨迹；

所述驾驶干预模块，用于确定所述指令信息；

所述数据存储模块，用于存储预设的运动轨迹数据和正确的操作数据；

所述视频处理模块，用于确定所述车端各个顶点的坐标对应场地的几何图形坐标；

所述无线模块，用于向所述云端发送第二驾驶数据信息。

8.一种驾驶训练的装置，其特征在于，包括：

获取模块，用于获取车端的当前训练模式；

分析模块，用于在所述当前训练模式为目标模式中的任意一种时，对车端的驾驶数据信息进行分析，得到所述车端的预测运动轨迹，其中，所述目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式；

发送模块，用于在所述预测运动轨迹不满足驾驶要求的情况下，向所述车端发送所述当前训练模式对应的指令信息，其中，所述指令信息用于控制所述车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

9.一种驾驶训练的装置，其特征在于，包括：

发送模块，用于向云端发送当前训练模式；

接收模块，用于当所述当前训练模式为目标模式中的任意一种时，接收所述云端发送的指令信息，其中，所述目标模式包括步骤引导模式、误操作模式、语音提示模式和车辆自动纠正以及语音提示模式，所述指令信息为所述云端对所述车端的驾驶数据信息进行分析，得到的所述车端的预测运动轨迹在不满足驾驶要求的情况下，由所述当前训练模式确定的，所述指令信息用于控制所述车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

10.一种驾驶训练的装置，其特征在于，包括：

获取模块，用于获取车端的驾驶数据信息，其中所述驾驶数据信息包括所述场端检测的车辆位置信息；

发送模块，用于向云端发送所述驾驶数据信息，其中，所述驾驶数据信息用于所述云端对所述驾驶数据信息进行分析，得到的所述车端的预测运动轨迹在不满足驾驶要求的情况下，由当前训练模式确定对应的指令信息，所述指令信息用于控制所述车端对驾驶员的驾驶行为进行训练，不同的当前训练模式对应的指令信息不同。

Images