CN115953931A - 一种轨道交通实训考培客观评价系统及方法 - Google Patents

一种轨道交通实训考培客观评价系统及方法 Download PDF

Info

Publication number
CN115953931A
CN115953931A CN202310237745.9A CN202310237745A CN115953931A CN 115953931 A CN115953931 A CN 115953931A CN 202310237745 A CN202310237745 A CN 202310237745A CN 115953931 A CN115953931 A CN 115953931A
Authority
CN
China
Prior art keywords
voice
training
determining
evaluation
information
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.)
Granted
Application number
CN202310237745.9A
Other languages
English (en)
Other versions
CN115953931B (zh
Inventor
何世林
唐中军
杨长江
徐彦平
李青山
宋红霞
章磊
黄宇峰
周建国
赵海平
毕骋成
俞春华
戴建军
殷学斌
李孝春
鲍俊
冯剑坚
刘洋
蒋国徽
王旭
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.)
Chengdu Yunda Technology Co Ltd
Original Assignee
Chengdu Yunda Technology 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 Chengdu Yunda Technology Co Ltd filed Critical Chengdu Yunda Technology Co Ltd
Priority to CN202310237745.9A priority Critical patent/CN115953931B/zh
Publication of CN115953931A publication Critical patent/CN115953931A/zh
Application granted granted Critical
Publication of CN115953931B publication Critical patent/CN115953931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明为解决现有技术中基于模拟驾驶联合系统的列车司机驾驶的培训和考核较为主观的问题,提供一种轨道交通实训考培客观评价系统及方法,属于模拟仿真技术领域。该轨道交通实训考培客观评价系统包括无线通讯处理装置、语音识别模块、行为识别上位机、网络交换机、调度系统主控上位机和自动化评价上位机。该方法通过轨道交通实训考培客观评价系统予以实施。通过本发明中的轨道交通实训考培客观评价系统及方法,可以实现对参训司机自主进行客观评价,降低考评员或者指导司机的状态、参训环境等因素的影响,同时创建出虚拟随车机械师角色,由虚拟随车机械师和参训司机互动对话,构建出完整的闭环作业流程,改善了培训效果。

Description

一种轨道交通实训考培客观评价系统及方法
技术领域
本发明涉及模拟仿真技术领域,尤其涉及一种轨道交通实训考培客观评价系统及方法。
背景技术
我国快速发展的轨道交通对司机需求量越来越大,并且对司机的驾驶技能也提出了更高的要求。模拟驾驶培训和考核是提高列车司机驾驶技能的一个重要手段。
目前,列车司机驾驶的培训和考核多在模拟驾驶联合系统上进行,需要参训的司机通过对讲机与随车机械师(副司机或者调度)进行通话,最后形成考培结论。然而,考培结论大多由考评员或者指导司机进行主观评定,受考评员或者指导司机的状态、参训环境等因素的影响,考培结论的一致性较差,可信度较低。
发明内容
本发明为解决现有技术中基于模拟驾驶联合系统的列车司机驾驶的培训和考核较为主观的问题,提供一种轨道交通实训考培客观评价系统及方法。通过本发明中的轨道交通实训考培客观评价系统及方法,可以实现对参训司机自主进行客观评价,降低考评员或者指导司机的状态、参训环境等因素的影响,同时创建出虚拟随车机械师角色,由虚拟随车机械师和参训司机互动对话,构建出完整的闭环作业流程,改善了培训效果。
本发明采用的技术方案是:
一种轨道交通实训考培客观评价系统,包括:
无线通讯处理装置,包括第一手持终端和对讲信号控制模块,其中,所述第一手持终端和所述对讲信号控制模块通讯连接,所述第一手持终端上设有PTT按键;
语音识别模块,用于根据参训司机按压所述PTT按键时的叙述内容,生成语音数据;
行为识别上位机,与所述语音识别模块通讯连接,用于对接收的所述语音数据进行识别处理,得到关键词信息;
网络交换机,与所述行为识别上位机通讯连接;
调度系统主控上位机,内置有多个语音包;其中,所述调度系统主控上位机分别与所述对讲信号控制模块和所述网络交换机通讯连接,用于确定所述PTT按键的按压状态信息,然后根据所述按压状态信息和接收的所述关键词信息,从多个所述语音包中确定目标语音包,并将所述目标语音包通过所述对讲信号控制模块发送至所述第一手持终端,以使所述第一手持终端播放所述目标语音包;
自动化评价上位机,与所述调度系统主控上位机通讯连接,用于根据接收的所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果。
进一步地,所述无线通讯处理装置还包括第二手持终端,分别与所述第一手持终端和所述对讲信号控制模块通讯连接,用于听取所述叙述内容以及接收并播放所述目标语音包。
进一步地,所述第一手持终端内置有PTT按键状态转换及无线发射单元电路模块,用于在所述参训司机按压所述PTT按键的情况下,获取所述PTT按键的状态变化信号,其中,所述调度系统主控上位机包括:
PTT按键状态无线接收单元电路模块,与所述PTT按键状态转换及无线发射单元电路模块通讯连接;
IO模块,与所述PTT按键状态无线接收单元电路模块通讯连接;
列车驾驶模拟器主控上位机,分别与所述网络交换机、所述对讲信号控制模块和所述自动化评价上位机通讯连接,用于通过所述对讲信号控制模块将所述目标语音包发送至所述第一手持终端,并将从所述网络交换机接收的所述关键词信息发送至所述自动化评价上位机;其中,多个所述语音包内置于所述列车驾驶模拟器主控上位机中;
数据采集与控制运算模块,分别与所述IO模块和所述网络交换机通讯连接,用于根据接收的所述状态变化信号,确定所述PTT按键的按压状态信息,并将所述按压状态信息通过所述网络交换机发送至所述列车驾驶模拟器主控上位机。
基于同样的发明构思,本发明还提供一种轨道交通实训考培客观评价方法,基于前述的轨道交通实训考培客观评价系统来实现,包括:
在调度系统主控上位机中配置多个语音包和每个所述语音包对应的触发机制;
在参训司机按压第一手持终端的PTT按键的情况下,获取所述PTT按键的状态变化信号,并根据所述状态变化信号,确定所述PTT按键的按压状态信息;
根据所述参训司机按压所述PTT按键时的叙述内容,生成语音数据,并对所述语音数据进行识别处理,得到关键词信息;
根据所述按压状态信息和所述关键词信息,基于所述触发机制从多个所述语音包中确定目标语音包,以使所述第一手持终端播放所述目标语音包;
在所述参训司机完成培训操作后,根据所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果。
进一步地,每个所述语音包包括语音信息、所述语音信息对应的编号和标定关键词;其中,任意两个所述语音包的编号不相同;
其中,在调度系统主控上位机中配置多个语音包和每个所述语音包对应的触发机制,包括:
确定司机作业培训规范中参训司机与随车机械师之间的互动对话内容;
将所述互动对话内容中由所述随车机械师应答的标准回应文字内容录制为所述语音信息,确定所述编号,并从所述标准回应文字内容中确定所述标定关键词,从而得到多个所述语音包;
确定每个所述语音包的标定关键词的再现程度阈值,以及每个所述语音包对应的所述PTT按键的预设按压状态信息,并将所述再现程度阈值和所述预设按压状态信息作为对应语音包的所述触发机制;
在所述调度系统主控上位机中创建虚拟随车机械师,设置所述虚拟随车机械师的互动参数以及所述互动参数与所述语音包之间的匹配关系。
进一步地,在参训司机按压第一手持终端的PTT按键的情况下,获取所述PTT按键的状态变化信号,包括:
响应于所述参训司机按压所述PTT按键,确定所述第一手持终端连接的通信频道是否为参训通信频道;
在所述第一手持终端连接的通信频道为参训通信频道的情况下,记录所述通信频道对应的连接时长,并将所述连接时长与时长阈值进行比较;
在所述连接时长小于或等于所述时长阈值的情况下,确定所述PTT按键的状态为未按压状态;
在所述连接时长大于所述时长阈值的情况下,确定所述PTT按键的状态由未按压状态切换为按压状态;或者,
在所述第一手持终端连接的通信频道不是参训通信频道的情况下,确定所述PTT按键的状态为未按压状态。
进一步地,对所述语音数据进行识别处理,得到关键词信息,包括:
将所述语音数据转换为文字信息,并提取所述文字信息对应的声调特征、语速特征和文字重复率,以得到文字数据包;
将所述文字数据包输入预先训练得到的神经网络模型进行识别处理,得到所述关键词信息。
进一步地,根据所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果,包括:
根据所述按压状态信息,利用行为评价函数来确定行为评价映射结果;其中,所述按压状态信息包括按压时刻和按压时长;
根据所述关键词信息,利用语音评价函数来确定语音评价关键词信息映射结果;
基于所述行为评价映射结果和所述语音评价关键词信息映射结果,建立综合评价函数模型;
基于所述综合评价函数模型和预先建立的标准评价函数模型进行评分计算,得到所述参训司机的综合客观评价分数,并将所述综合客观评价分数作为所述客观评价结果。
进一步地,根据所述关键词信息,利用语音评价函数来确定语音评价关键词信息映射结果,包括:
将所述关键词信息按照语义相关、设备相关、专业术语相关进行分类;
确定所述互动对话内容中与所述关键词信息对应的由所述参训司机应答的标准应答文本;
将所述关键词信息与所述标准应答文本进行比较,确定所述关键词信息的语义和触发语音包的触发时机是否正确;
在所述语义和所述触发时机正确的情况下,将所述关键词信息与所述标准应答文本中的标准关键词进行关联关系对比分析,并通过模糊控制函数得到语义相关关键词隶属函数、设备相关关键词隶属函数和专业术语相关关键词隶属函数;
基于预设权重系数,对所述语义相关关键词隶属函数、设备相关关键词隶属函数和专业术语相关关键词隶属函数进行加权处理,得到所述语音评价函数,并利用所述语音评价函数来确定语音评价关键词信息映射结果。
进一步地,基于所述综合评价函数模型和预先建立的标准评价函数模型进行评分计算,得到所述参训司机的综合客观评价分数,包括:
根据所述综合评价函数模型中元素的非零元的数量,确定第一评分矩阵,并根据所述标准评价函数模型中元素的非零元的数量,确定第二评分矩阵;
基于所述第一评分矩阵与所述第二评分矩阵中相应元素的比值,结合预设得分权重,得到所述综合客观评价分数。
本发明的有益效果是:
本发明为解决现有技术中基于模拟驾驶联合系统的列车司机驾驶的培训和考核较为主观的问题,提供一种轨道交通实训考培客观评价系统及方法。该轨道交通实训考培客观评价系统包括无线通讯处理装置、语音识别模块、行为识别上位机、网络交换机、调度系统主控上位机和自动化评价上位机。该方法通过轨道交通实训考培客观评价系统予以实施。通过本发明中的轨道交通实训考培客观评价系统及方法,可以实现对参训司机自主进行客观评价,降低考评员或者指导司机的状态、参训环境等因素的影响,同时创建出虚拟随车机械师角色,由虚拟随车机械师和参训司机互动对话,构建出完整的闭环作业流程,改善了培训效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或有现技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1为实施例1中,轨道交通实训考培客观评价系统的逻辑组成示意图。
图2为实施例2中,轨道交通实训考培客观评价方法的流程示意图。
实施方式
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。
下面结合附图对发明的实施例进行详细说明。
实施例1
轨道交通实训考培客观评价系统,其逻辑组成如附图1中所示。
该轨道交通实训考培客观评价系统包括无线通讯处理装置100、语音识别模块200、行为识别上位机300、网络交换机400、调度系统主控上位机500和自动化评价上位机600。
具体的,所述无线通讯处理装置100包括第一手持终端110、对讲信号控制模块120和第二手持终端130。
所述第一手持终端110、所述对讲信号控制模块120以及第二手持终端130之间相互通讯连接。同时,所述第一手持终端110和第二手持终端130分别具有第一供电装置111和第二供电装置131。同时所述第一手持终端110和第二手持终端130还分别具有PTT按键。所述第一手持终端110和第二手持终端130的结构可相同或者不同。第一供电装置111和第二供电装置131可相同或者不同。由此,通过所述第一供电装置111和所述第二供电装置131可分别对所述第一手持终端110和第二手持终端130进行供电。当所述第一手持终端110和第二手持终端130的电量满足当前使用要求时,所述第一供电装置111和所述第二供电装置131可不与所述第一手持终端110和第二手持终端130连接。本实施例中所述第一手持终端110和第二手持终端130中均以PTT手持终端(Push-to-Talk Cellular)为例进行说明。现有技术中,PTT手持终端通常包括PTT按键、MCU微处理器、手持终端电路等结构,本实施例中的所述第一手持终端110在现有的手持终端的结构基础上增加了PTT按键状态转换及无线发射单元电路模块。由此,一方面参训司机于所述第一手持终端110上所述按压PTT按键后即可说话,同时也可以聆听所述第一手持终端110上播放的语音信息。另一方面,通过PTT按键状态转换及无线发射单元电路模块可以对参训司机是否正确使用PTT手持终端的行为进行判定,比如当参训司机持续按压了所述PTT按键,则产生一个信号,并将该信号发送出去。通过对该信号的逻辑运算,则可以自动分析参训司机有没有正确按压所述PTT按键(包括对按压时间和按压时长的分析等),以此作为一个评分项目,也即是能进行一个客观评分,避免了考评员或者指导司机采用肉眼观察等方式进行主观判断时的影响。同步的,所述第二手持终端130可以同步聆听参训司机在培训过程中的全部对话内容,由此可以作为考评过程的辅助判定手段。
所述语音识别模块200用于根据参训司机按压所述PTT按键时的叙述内容,形成语音数据。
所述行为识别上位机300(比如具体可以采用内置有相应程序的计算机)通过内置程序对接收的所述语音数据进行识别处理,得到关键词信息。比如,所述行为识别上位机300先对所述语音数据进行识别,转化为文字信息;同时,提取文字信息对应的声调特征和语速特征,以及文字重复率,形成文字数据包。然后所述行为识别上位机300再将所述文字数据包导入预先训练得到的神经网络模型进行识别,从而得到关键词信息。该关键词信息也是对参训司机进行客观考评的一个客观评分项目,主要考察语义以及触发时机是否正确。
所述网络交换机400与所述行为识别上位机300通讯连接。所述网络交换机400系统中起着信息交换桥梁的作用。
所述调度系统主控上位机500与所述对讲信号控制模块120以及所述网络交换机400通讯连接,且所述调度系统主控上位机500内置有多个语音包。所述调度系统主控上位机500用于确定所述PTT按键的按压状态信息,然后根据所述按压状态信息和接收的所述关键词信息,从多个所述语音包中确定目标语音包,并将所述目标语音包通过所述对讲信号控制模块120发送至所述第一手持终端110,以使所述第一手持终端110播放所述目标语音包。
进一地,所述调度系统主控上位机500包括PTT按键状态无线接收单元电路模块510、IO模块520、列车驾驶模拟器主控上位机530和数据采集与控制运算模块540。
所述PTT按键状态无线接收单元电路模块510与所述PTT按键状态转换及无线发射单元电路模块通讯连接。所述IO模块520与所述PTT按键状态无线接收单元电路模块510通讯连接。所述列车驾驶模拟器主控上位机530与所述网络交换机400、所述对讲信号控制模块120以及所述自动化评价上位机600通讯连接。所述语音包内置于所述列车驾驶模拟器上位机530中。同时所述列车驾驶模拟器上位机530还可以创建处虚拟随车机械师角色(比如副司机或者调度)。所述列车驾驶模拟器上位机530通过所述对讲信号控制模块120将所述目标语音包发送至所述第一手持终端110,由虚拟随车机械师朗读的所述目标语音包,实现虚拟随车机械师和参训司机互动对话,构成完整的闭环作业流程,改善了培训效果。同时,所述列车驾驶模拟器主控上位机530将经所述网络交换机400发送的所述关键词信息发送至所述自动化评价上位机600,对参训司机进行客观评价。
所述数据采集与控制运算模块540与所述IO模块520以所述网络交换机400通讯连接。参训司机按压所述PTT按键并保持时,所述PTT按键状态转换及无线发射单元电路模块采集、生成所述PTT按键的状态变化信号,并由所述PTT按键状态无线接收单元电路模块510和所述IO模块520传递给所述数据采集与控制运算模块540进行逻辑运算,并将逻辑运算结果依次发送给所述列车驾驶模拟器主控上位机530和所述自动化评价上位机600,对参训司机进行客观评价。
所述自动化评价上位机600通过内置程序对接收的所述调度系统主控上位机500对所述PTT按键的状态是否发生变化的逻辑运算结果,以及所述关键词信息进行运算并输出结果,完成对参训司机进行客观评价。
比如,考培过程中,涉及到多次参训司机与虚拟随车机械师的互动对话,则对每次的互动对话都有一个单独评分,最终汇集后为最终的考评成绩。
本实施例中的轨道交通实训考培客观评价系统创建出虚拟随车机械师角色,由参训司机与虚拟随车机械师进行互动,相比于单纯在前景屏幕上显示应答标准回应文字内容,本实施例中的客观评价系统则构建了完整的闭环作业流程,可以让培训场景更为真实,改善了培训效果。
同时,本实施中客观评价系统可自主根据对PTT按键状态是否切换,以及参训司机的语义以及触发时机是否正确,降低考评员或者指导司机的状态、参训环境等因素的影响,考培结论的一致性较好,可信度较高。
再者,本实施例中,各个上位机(包括行为识别上位机、调度系统主控上位机、自动化评价上位机、列车驾驶模拟器上位机等上位机)的数量根据需求进行设置,具体可以是每个上位机各设置一台,也可以是每个上位机各设置为多台,以满足大数据量运算时的需求。
实施例2
本实施例中提供一种基于实施例1中的轨道交通实训考培客观评价系统的轨道交通实训考培客观评价方法,其流程如附图2中所示。
该轨道交通实训考培客观评价方法,包括以下步骤:
在调度系统主控上位机500中配置多个语音包和每个所述语音包对应的触发机制;
在参训司机按压第一手持终端110的PTT按键的情况下,获取所述PTT按键的状态变化信号,并根据所述状态变化信号,确定所述PTT按键的按压状态信息;
根据所述参训司机按压所述PTT按键时的叙述内容,生成语音数据,并对所述语音数据进行识别处理,得到关键词信息;
根据所述按压状态信息和所述关键词信息,基于所述触发机制从多个所述语音包中确定目标语音包,以使所述第一手持终端110播放所述目标语音包;
在所述参训司机完成培训操作后,根据所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果。
进一步地,每个所述语音包包括语音信息、所述语音信息对应的编号和标定关键词;其中,任意两个所述语音包的编号不相同;
其中,在调度系统主控上位机500中配置多个语音包和每个所述语音包对应的触发机制,包括:
确定司机作业培训规范中参训司机与随车机械师之间的互动对话内容;
将所述互动对话内容中由所述随车机械师应答的标准回应文字内容录制为所述语音信息,确定所述编号,并从所述标准回应文字内容中确定所述标定关键词,从而得到多个所述语音包;
确定每个所述语音包的标定关键词的再现程度阈值(比如80%),以及每个所述语音包对应的所述PTT按键的预设按压状态信息,并将所述再现程度阈值和所述预设按压状态信息作为对应语音包的所述触发机制;
在所述调度系统主控上位机500中创建虚拟随车机械师,设置所述虚拟随车机械师的互动参数(比如角色性别、角色年龄段、角色声音大小以及角色语速快慢、副司机角色或者调度角色等)以及所述互动参数与所述语音包之间的匹配关系(可以手动选择,无选择则采用系统默认的虚拟随车机械师的相关参数执行)。
进一步地,在参训司机按压第一手持终端110的PTT按键的情况下,获取所述PTT按键的状态变化信号,包括:
响应于所述参训司机按压所述PTT按键,确定所述第一手持终端110连接的通信频道是否为参训通信频道;
在所述第一手持终端110连接的通信频道为参训通信频道的情况下,记录所述通信频道对应的连接时长,并将所述连接时长与时长阈值进行比较;
在所述连接时长小于或等于所述时长阈值的情况下(比如大于1s),确定所述PTT按键的状态为未按压状态;
在所述连接时长大于所述时长阈值的情况下,确定所述PTT按键的状态由未按压状态切换为按压状态;或者,
在所述第一手持终端110连接的通信频道不是参训通信频道的情况下,确定所述PTT按键的状态为未按压状态。
采用上述方案的意义在于主要实现对参训司机是否正确使用第一手持终端110进行客观评价(包括所述PTT按键的按压时间和按压时长,反映出参训司机按压所述PTT按键的时机是否正确,按压时长是否足以支撑叙述完相关内容等),以所述PTT按键的状态变化作为评分项目。
进一步地,对所述语音数据进行识别处理,得到关键词信息,包括:
将所述语音数据转换为文字信息,并提取所述文字信息对应的声调特征、语速特征和文字重复率,以得到文字数据包;
将所述文字数据包输入预先训练得到的神经网络模型进行识别处理,得到所述关键词信息。该关键词信息也是对参训司机进行客观考评的客观评分项目之一,主要考察语义以及触发时机是否正确。
除本实施例中记载的通过神经网网络模型技术识别关键词信息的方法,现有技术中其他可用于关键词信息识别的技术也可以用于本实施例中。
进一步地,根据所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果,包括:
根据所述按压状态信息,利用行为评价函数来确定行为评价映射结果;其中,所述按压状态信息包括按压时刻和按压时长;
根据所述关键词信息,利用语音评价函数来确定语音评价关键词信息映射结果;
基于所述行为评价映射结果和所述语音评价关键词信息映射结果,建立综合评价函数模型;
基于所述综合评价函数模型和预先建立的标准评价函数模型进行评分计算,得到所述参训司机的综合客观评价分数,并将所述综合客观评价分数作为所述客观评价结果。
进一步地,根据所述关键词信息,利用语音评价函数来确定语音评价关键词信息映射结果,包括:
将所述关键词信息按照语义相关、设备相关、专业术语相关进行分类;
确定所述互动对话内容中与所述关键词信息对应的由所述参训司机应答的标准应答文本;
将所述关键词信息与所述标准应答文本进行比较,确定所述关键词信息的语义和触发语音包的触发时机是否正确;
在所述语义和所述触发时机正确的情况下,将所述关键词信息与所述标准应答文本中的标准关键词进行关联关系对比分析,并通过模糊控制函数得到语义相关关键词隶属函数、设备相关关键词隶属函数和专业术语相关关键词隶属函数;
基于预设权重系数,对所述语义相关关键词隶属函数、设备相关关键词隶属函数和专业术语相关关键词隶属函数进行加权处理,得到所述语音评价函数,并利用所述语音评价函数来确定语音评价关键词信息映射结果。
进一步地,基于所述综合评价函数模型和预先建立的标准评价函数模型进行评分计算,得到所述参训司机的综合客观评价分数,包括:
根据所述综合评价函数模型中元素的非零元的数量,确定第一评分矩阵,并根据所述标准评价函数模型中元素的非零元的数量,确定第二评分矩阵;
基于所述第一评分矩阵与所述第二评分矩阵中相应元素的比值,结合预设得分权重,得到所述综合客观评价分数。
比如,本实施例中采用的如下函数:
行为评价函数
Figure SMS_1
其中,
Figure SMS_2
为按压时间考核系数,
Figure SMS_3
Figure SMS_4
为按压时长考核系数,
Figure SMS_5
Figure SMS_6
Figure SMS_7
,且 
Figure SMS_8
语义相关关键词隶属函数
Figure SMS_9
其中,b表示语义最佳隶属值,代表语义判断与语音评价数据库完全一致,取值为语音评价数据库中语义相关关键词个数,通过系统特性计算得到c=0.4b;随着语义的简单表述或者复杂表述,其隶属值的下降;当隶属值达到b-c/b+c时,隶属函数隶属度下降至最高隶属度的1/3。
设备相关关键词隶属函数
Figure SMS_10
其中,d表示设备相关关键词隶属度饱和点,此后设备隶属度函数值为1;d-e表示设备相关点,根据系统特性计算得知e=0.6d;当z∈(0,d-e)时,表示输入语音信号没有使用设备相关关键词;当z∈(d-e,d)时,表示输入语音信号使用设备相关关键词逐渐增加;当z∈(d,+∞)时,表示输入语音信号除了使用全部标准语句设备相关关键词外,还使用了其他相关设备关键词。
专业术语相关关键词隶属函数
Figure SMS_11
其中,x表示专业术语表述完全准确,此时隶属度为1,随着专业术语的表述专业化下降,专业术语隶属度值不断下降,根据系统特性计算得知w=0.5x。
语音评价函数U=(L*YDC+M*YSC+N*YRT)×100,
其中,U表示该学员语音识别自主客观评价分数,代表学员在培训过程中语音规范水平;L、M、N分别为语义相关关键词、设备相关关键词、专业术语相关关键词的权重系数;L∈[0,1]、M∈[0,1]、M∈[0,1],且L+M+N=1。
综合评价函数模型
Figure SMS_12
其中,
Figure SMS_13
Figure SMS_14
代表语音评价关键词信息映射结果,比如例如:
Figure SMS_15
Figure SMS_16
Figure SMS_17
Figure SMS_18
为矩阵的元
Figure SMS_19
,代表行为评价映射结果;
Figure SMS_20
代表具体行为评价映射结果,
Figure SMS_21
=0或1。
标准评价函数模型
Figure SMS_22
其中,
Figure SMS_23
Figure SMS_24
代表标准语音评价关键词信息的预置结果,例如:
Figure SMS_25
Figure SMS_26
Figure SMS_27
Figure SMS_28
矩阵的元
Figure SMS_29
,代表行为评价的预设结果;
Figure SMS_30
代表具体行为评价的预设结果,
Figure SMS_31
=0或1。
判定与语音关键词汇相同,设置语义相关关键词、设备相关关键词、专业术语相关关键词的权重系数为:
Figure SMS_32
,且
Figure SMS_33
=0.9。
建立语音识别结果(语音评价函数的运算结果)矩阵,
Figure SMS_34
其中
Figure SMS_35
为语音识别结果
Figure SMS_36
,设置语音关键词识别映射阈值
Figure SMS_37
,设置行为评价映射阈值P=20,矩阵A的元大于0.7,则置为自然数,否则为0;
Figure SMS_38
Figure SMS_39
的元大于20,则置为1,否则为0;
获取综合评价函数模型
Figure SMS_40
中元素的非零元的个数,获得第一评分矩阵
Figure SMS_41
获取标准评价函数模型
Figure SMS_42
中元素的非零元的个数,获得第二评分矩阵
Figure SMS_43
得:
Figure SMS_44
设置得分权重
Figure SMS_45
,则最终综合客观评价分数为:
Figure SMS_46
,并对结果进行四舍五入。
本实施例中可以按照以下方式进行为评价:在培训中,参训司机每完成一次操作(按压PPT按键,完成一次对话即为一次操作)即需要对该次操作进行单独评分,培训同步继续进行。每次操作的评价在完成后开始评分。完整的运算结果为每个单次操作的客观评价得分的加权后分数。比如,培训中共有十次操作,按照每次操作的权重为0.1计算,单次操作的客观评价得分乘以0.1之后的加和即为最终得分。
本实施例中,通过综合评价函数模型的运算结果与自动化评价上位机中内置的标准评价函数模型的运算结果进行综合计算,提高了评价结果的准确性。
同样的,本实施例中,单次操作的评价可以在培训完成后,在一一计算。
同样的,本实施例中的轨道交通实训考培客观评价方法,可以在完成全部培训后,整体进行语音识别和使用行为判定,得到客观评分。即在过程中仅完成相应的运算,以满足后续过程的需要。使用行为判定的是整个培训过程中参训司机操作第一手持终端时的按压时间和按压时长。关键词信息对整个培训过程中司机的叙述内容语音识别后的累积。
本实施例中的轨道交通实训考培客观评价方法以所述PTT按键的状态变换以及关键词信息为评判项目进行客观评分,降低考评员或者指导司机的状态、参训环境等因素的影响,考培结论的一致性较好,可信度较高。

Claims (10)

1.一种轨道交通实训考培客观评价系统,其特征在于,包括:
无线通讯处理装置,包括第一手持终端和对讲信号控制模块;其中,所述第一手持终端和所述对讲信号控制模块通讯连接,所述第一手持终端上设有PTT按键;
语音识别模块,用于根据参训司机按压所述PTT按键时的叙述内容,生成语音数据;
行为识别上位机,与所述语音识别模块通讯连接,用于对接收的所述语音数据进行识别处理,得到关键词信息;
网络交换机,与所述行为识别上位机通讯连接;
调度系统主控上位机,内置有多个语音包;其中,所述调度系统主控上位机分别与所述对讲信号控制模块和所述网络交换机通讯连接,用于确定所述PTT按键的按压状态信息,然后根据所述按压状态信息和接收的所述关键词信息,从多个所述语音包中确定目标语音包,并将所述目标语音包通过所述对讲信号控制模块发送至所述第一手持终端,以使所述第一手持终端播放所述目标语音包;
自动化评价上位机,与所述调度系统主控上位机通讯连接,用于根据接收的所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果。
2.如权利要求1所述的轨道交通实训考培客观评价系统,其特征在于,所述无线通讯处理装置还包括第二手持终端,分别与所述第一手持终端和所述对讲信号控制模块通讯连接,用于听取所述叙述内容以及接收并播放所述目标语音包。
3.如权利要求1或2所述的轨道交通实训考培客观评价系统,其特征在于,所述第一手持终端内置有PTT按键状态转换及无线发射单元电路模块,用于在所述参训司机按压所述PTT按键的情况下,获取所述PTT按键的状态变化信号,其中,所述调度系统主控上位机包括:
PTT按键状态无线接收单元电路模块,与所述PTT按键状态转换及无线发射单元电路模块通讯连接;
IO模块,与所述PTT按键状态无线接收单元电路模块通讯连接;
列车驾驶模拟器主控上位机,分别与所述网络交换机、所述对讲信号控制模块和所述自动化评价上位机通讯连接,用于通过所述对讲信号控制模块将所述目标语音包发送至所述第一手持终端,并将从所述网络交换机接收的所述关键词信息发送至所述自动化评价上位机;其中,多个所述语音包内置于所述列车驾驶模拟器主控上位机中;
数据采集与控制运算模块,分别与所述IO模块和所述网络交换机通讯连接,用于根据接收的所述状态变化信号,确定所述PTT按键的按压状态信息,并将所述按压状态信息通过所述网络交换机发送至所述列车驾驶模拟器主控上位机。
4.一种轨道交通实训考培客观评价方法,基于如权利要求1至3中任一项所述的轨道交通实训考培客观评价系统来实现,其特征在于,包括:
在调度系统主控上位机中配置多个语音包和每个所述语音包对应的触发机制;
在参训司机按压第一手持终端的PTT按键的情况下,获取所述PTT按键的状态变化信号,并根据所述状态变化信号,确定所述PTT按键的按压状态信息;
根据所述参训司机按压所述PTT按键时的叙述内容,生成语音数据,并对所述语音数据进行识别处理,得到关键词信息;
根据所述按压状态信息和所述关键词信息,基于所述触发机制从多个所述语音包中确定目标语音包,以使所述第一手持终端播放所述目标语音包;
在所述参训司机完成培训操作后,根据所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果。
5.如权利要求4所述的轨道交通实训考培客观评价方法,其特征在于,每个所述语音包包括语音信息、所述语音信息对应的编号和标定关键词;其中,任意两个所述语音包的编号不相同;
其中,在调度系统主控上位机中配置多个语音包和每个所述语音包对应的触发机制,包括:
确定司机作业培训规范中参训司机与随车机械师之间的互动对话内容;
将所述互动对话内容中由所述随车机械师应答的标准回应文字内容录制为所述语音信息,确定所述编号,并从所述标准回应文字内容中确定所述标定关键词,从而得到多个所述语音包;
确定每个所述语音包的标定关键词的再现程度阈值,以及每个所述语音包对应的所述PTT按键的预设按压状态信息,并将所述再现程度阈值和所述预设按压状态信息作为对应语音包的所述触发机制;
在所述调度系统主控上位机中创建虚拟随车机械师,设置所述虚拟随车机械师的互动参数以及所述互动参数与所述语音包之间的匹配关系。
6.如权利要求4所述的轨道交通实训考培客观评价方法,其特征在于,在参训司机按压第一手持终端的PTT按键的情况下,获取所述PTT按键的状态变化信号,包括:
响应于所述参训司机按压所述PTT按键,确定所述第一手持终端连接的通信频道是否为参训通信频道;
在所述第一手持终端连接的通信频道为参训通信频道的情况下,记录所述通信频道对应的连接时长,并将所述连接时长与时长阈值进行比较;
在所述连接时长小于或等于所述时长阈值的情况下,确定所述PTT按键的状态为未按压状态;
在所述连接时长大于所述时长阈值的情况下,确定所述PTT按键的状态由未按压状态切换为按压状态;或者,
在所述第一手持终端连接的通信频道不是参训通信频道的情况下,确定所述PTT按键的状态为未按压状态。
7.如权利要求4所述的轨道交通实训考培客观评价方法,其特征在于,对所述语音数据进行识别处理,得到关键词信息,包括:
将所述语音数据转换为文字信息,并提取所述文字信息对应的声调特征、语速特征和文字重复率,以得到文字数据包;
将所述文字数据包输入预先训练得到的神经网络模型进行识别处理,得到所述关键词信息。
8.如权利要求4所述的轨道交通实训考培客观评价方法,其特征在于,根据所述按压状态信息和所述关键词信息,确定所述参训司机的客观评价结果,包括:
根据所述按压状态信息,利用行为评价函数来确定行为评价映射结果;其中,所述按压状态信息包括按压时刻和按压时长;
根据所述关键词信息,利用语音评价函数来确定语音评价关键词信息映射结果;
基于所述行为评价映射结果和所述语音评价关键词信息映射结果,建立综合评价函数模型;
基于所述综合评价函数模型和预先建立的标准评价函数模型进行评分计算,得到所述参训司机的综合客观评价分数,并将所述综合客观评价分数作为所述客观评价结果。
9.如权利要求8所述的轨道交通实训考培客观评价方法,其特征在于,根据所述关键词信息,利用语音评价函数来确定语音评价关键词信息映射结果,包括:
将所述关键词信息按照语义相关、设备相关、专业术语相关进行分类;
确定所述互动对话内容中与所述关键词信息对应的由所述参训司机应答的标准应答文本;
将所述关键词信息与所述标准应答文本进行比较,确定所述关键词信息的语义和触发语音包的触发时机是否正确;
在所述语义和所述触发时机正确的情况下,将所述关键词信息与所述标准应答文本中的标准关键词进行关联关系对比分析,并通过模糊控制函数得到语义相关关键词隶属函数、设备相关关键词隶属函数和专业术语相关关键词隶属函数;
基于预设权重系数,对所述语义相关关键词隶属函数、设备相关关键词隶属函数和专业术语相关关键词隶属函数进行加权处理,得到所述语音评价函数,并利用所述语音评价函数来确定语音评价关键词信息映射结果。
10.如权利要求8所述的轨道交通实训考培客观评价方法,其特征在于,基于所述综合评价函数模型和预先建立的标准评价函数模型进行评分计算,得到所述参训司机的综合客观评价分数,包括:
根据所述综合评价函数模型中元素的非零元的数量,确定第一评分矩阵,并根据所述标准评价函数模型中元素的非零元的数量,确定第二评分矩阵;
基于所述第一评分矩阵与所述第二评分矩阵中相应元素的比值,结合预设得分权重,得到所述综合客观评价分数。
CN202310237745.9A 2023-03-14 2023-03-14 一种轨道交通实训考培客观评价系统及方法 Active CN115953931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310237745.9A CN115953931B (zh) 2023-03-14 2023-03-14 一种轨道交通实训考培客观评价系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310237745.9A CN115953931B (zh) 2023-03-14 2023-03-14 一种轨道交通实训考培客观评价系统及方法

Publications (2)

Publication Number Publication Date
CN115953931A true CN115953931A (zh) 2023-04-11
CN115953931B CN115953931B (zh) 2023-05-26

Family

ID=85903330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310237745.9A Active CN115953931B (zh) 2023-03-14 2023-03-14 一种轨道交通实训考培客观评价系统及方法

Country Status (1)

Country Link
CN (1) CN115953931B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004157253A (ja) * 2002-11-05 2004-06-03 Kawasaki Steel Systems R & D Corp コンタクト・センタ・オペレータ訓練システム
JP2007058091A (ja) * 2005-08-26 2007-03-08 Denso Corp 音声評価システム
CN106327946A (zh) * 2016-10-21 2017-01-11 安徽协创物联网技术有限公司 一种用于驾驶训练的虚拟现实一体机
CN107569246A (zh) * 2017-08-14 2018-01-12 中国民航大学 一种嵌入式管制员疲劳风险测量装置及其方法
CN108154739A (zh) * 2017-12-19 2018-06-12 兰州安信铁路科技有限公司 一种铁路车站接发车作业综合实训系统
CN108566268A (zh) * 2017-12-13 2018-09-21 苏州长风航空电子有限公司 应用于轨道交通模拟总线的全双工对讲系统
CN110910694A (zh) * 2019-11-28 2020-03-24 大唐融合通信股份有限公司 一种智能客服培训系统
JP2020106656A (ja) * 2018-12-27 2020-07-09 公益財団法人鉄道総合技術研究所 シミュレーション評価装置、列車運転シミュレーションシステム、および、列車運転シミュレーション評価方法、ならびに、プログラム
CN112053597A (zh) * 2020-10-13 2020-12-08 北京灵伴即时智能科技有限公司 人工坐席培训考核方法及系统
CN112435664A (zh) * 2020-11-11 2021-03-02 郑州捷安高科股份有限公司 基于语音识别的评价系统、方法和电子设备
CN112435512A (zh) * 2020-11-12 2021-03-02 郑州大学 一种轨道交通运输仿真培训的语音行为考核评价方法
CN112634698A (zh) * 2020-12-26 2021-04-09 中国南方电网有限责任公司 基于话音识别的调度员培训模拟系统、方法及装置
CN113823145A (zh) * 2021-11-25 2021-12-21 成都运达科技股份有限公司 动车组联动仿真培训系统及方法
CN113902598A (zh) * 2021-12-13 2022-01-07 成都运达科技股份有限公司 一种轨道交通多工种仿真培训智能化处理方法及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004157253A (ja) * 2002-11-05 2004-06-03 Kawasaki Steel Systems R & D Corp コンタクト・センタ・オペレータ訓練システム
JP2007058091A (ja) * 2005-08-26 2007-03-08 Denso Corp 音声評価システム
CN106327946A (zh) * 2016-10-21 2017-01-11 安徽协创物联网技术有限公司 一种用于驾驶训练的虚拟现实一体机
CN107569246A (zh) * 2017-08-14 2018-01-12 中国民航大学 一种嵌入式管制员疲劳风险测量装置及其方法
CN108566268A (zh) * 2017-12-13 2018-09-21 苏州长风航空电子有限公司 应用于轨道交通模拟总线的全双工对讲系统
CN108154739A (zh) * 2017-12-19 2018-06-12 兰州安信铁路科技有限公司 一种铁路车站接发车作业综合实训系统
JP2020106656A (ja) * 2018-12-27 2020-07-09 公益財団法人鉄道総合技術研究所 シミュレーション評価装置、列車運転シミュレーションシステム、および、列車運転シミュレーション評価方法、ならびに、プログラム
CN110910694A (zh) * 2019-11-28 2020-03-24 大唐融合通信股份有限公司 一种智能客服培训系统
CN112053597A (zh) * 2020-10-13 2020-12-08 北京灵伴即时智能科技有限公司 人工坐席培训考核方法及系统
CN112435664A (zh) * 2020-11-11 2021-03-02 郑州捷安高科股份有限公司 基于语音识别的评价系统、方法和电子设备
CN112435512A (zh) * 2020-11-12 2021-03-02 郑州大学 一种轨道交通运输仿真培训的语音行为考核评价方法
CN112634698A (zh) * 2020-12-26 2021-04-09 中国南方电网有限责任公司 基于话音识别的调度员培训模拟系统、方法及装置
CN113823145A (zh) * 2021-11-25 2021-12-21 成都运达科技股份有限公司 动车组联动仿真培训系统及方法
CN113902598A (zh) * 2021-12-13 2022-01-07 成都运达科技股份有限公司 一种轨道交通多工种仿真培训智能化处理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王慧;: "城市轨道交通仿真软件系统联动设计研究", 科技视界 *

Also Published As

Publication number Publication date
CN115953931B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN110600033B (zh) 学习情况的评估方法、装置、存储介质及电子设备
CN107423809A (zh) 应用于视频直播平台的虚拟机器人多模态交互方法和系统
CN109841122A (zh) 一种智能机器人教学系统及学生学习方法
CN107203953A (zh) 一种基于互联网、表情识别和语音识别的教学系统及其实现方法
KR101318377B1 (ko) 온라인을 통한 외국어 말하기 평가 시스템
CN110808038B (zh) 普通话评测方法、装置、设备及存储介质
CN111444391A (zh) 一种基于人工智能的视频学习成效评估方法
CN117634468B (zh) 一种基于大语言模型的通用文本质量评价方法
CN114841841A (zh) 一种用于教学互动的智慧教育平台交互系统及交互方法
CN111834019A (zh) 基于语音识别技术的标准化病人培训方法和装置
KR100450019B1 (ko) 인터넷을 이용한 음성인식 영어 학습서비스방법
Price et al. Subject-based evaluation measures for interactive spoken language systems
CN115953931A (zh) 一种轨道交通实训考培客观评价系统及方法
CN1581293A (zh) 基于有限集语音识别的人机交互方法与装置
CN115098661A (zh) 用于辅助疾病筛查的方法、电子设备及计算机存储介质
KR101765880B1 (ko) 볼 입력 장치를 사용한 언어 학습 게임 시스템 및 방법
CN111341346A (zh) 融合深度语言生成模型的语言表达能力评价方法和系统
KR20140025618A (ko) 음성인식엔진을 이용한 2단계의 외국어 문장 직독직해 학습 서비스 제공 방법
CN212061864U (zh) 一种双语教学中的语音识别话筒
Zhou Real time feedback and E-learning intelligent entertainment experience in computer English communication based on deep learning
Wang [Retracted] Optimization and Evaluation of Oral English CAF Based on Artificial Intelligence and Corpus
CN116913144A (zh) 一种基于互联网的智能教学学习平台
CN117808357A (zh) 一种基于ai智能分析的教学质量评估系统及方法
Zhang et al. Multi‐Feature Intelligent Oral English Error Correction Based on Few‐Shot Learning Technology
Song et al. Communication Effiency and User Experience Analysis of Visual and Audio Feedback Cues in Human and Service Robot Voice Interaction Cycle

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