CN116308936B - 一种基于大数据的交通教学智能管理系统及方法 - Google Patents
一种基于大数据的交通教学智能管理系统及方法 Download PDFInfo
- Publication number
- CN116308936B CN116308936B CN202310574205.XA CN202310574205A CN116308936B CN 116308936 B CN116308936 B CN 116308936B CN 202310574205 A CN202310574205 A CN 202310574205A CN 116308936 B CN116308936 B CN 116308936B
- Authority
- CN
- China
- Prior art keywords
- driving
- data
- user
- path
- simulated
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 87
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000007726 management method Methods 0.000 claims description 17
- 238000009825 accumulation Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000392 somatic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的交通教学智能管理系统及方法,属于交通模拟教学智能管理技术领域。该系统包括:模拟驾驶模块、模拟时间分析模块、路径处理模块、交通教学预警模块;所述模拟驾驶模块的输出端与所述模拟时间分析模块的输入端相连接;所述模拟时间分析模块的输出端与所述路径处理模块的输入端相连接;所述路径处理模块的输出端与所述交通教学预警模块的输入端相连接。本发明能够针对用户出行的路段进行分析,提前帮助用户实现模拟驾驶,对于新手司机用户十分友好,与现实路况贴合度高,对于各类交通标识,也能够帮助新手司机提前了解,提高驾驶安全。同时能够解决当前交通教学过程中模拟驾驶地图单一、时间冗长的问题。
Description
技术领域
本发明涉及交通模拟教学智能管理技术领域,具体为一种基于大数据的交通教学智能管理系统及方法。
背景技术
交通教学是指通过对交通标识、路况信息、驾驶避让等方向对新手司机用户进行教学,一般是通过文字形式进行题库抽查考试,但随着目前科技水平的发展,交通教学也逐渐走向数字化与智能化,其中最突出的就属汽车驾驶仿真,也叫汽车虚拟驾驶。其可以通过模拟驾驶让体验者在一个虚拟的驾驶环境中,使其感受接近真实效果的视觉、听觉和体感的汽车驾驶体验。驾驶模拟效果逼真、节能、安全、经济,不受时间、气候、场地的限制,驾驶训练效率高、培训周期短等优势,然而在目前的模拟驾驶中,存在大量问题,例如缺乏对实际路况的分析,地图单一、时间冗长,各类交通标识反复、重复,得不到个性化训练等等问题。
发明内容
本发明的目的在于提供一种基于大数据的交通教学智能管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的交通教学智能管理方法,该方法包括以下步骤:
S1、构建模拟驾驶平台,获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线,获取计划出行路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;
S2、获取初始模拟驾驶路径的预测驾驶时间值,获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值,若存在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值,对初始模拟驾驶路径进行分析处理;
S3、获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;
S4、将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据。
根据上述技术方案,所述初始模拟驾驶路径包括:
获取用户输入的目的地,连接地图软件数据,以当前位置为起点,输入目的地为终点,生成计划出行路线,并将计划出行路线转换成初始模拟驾驶路径输入至模拟驾驶平台;
根据地图软件,获取用户导航出行数据,计算历史数据下用户导航实际出行时间与导航显示时间之间的差值与导航显示时间之间的比例值;
记为集合;构建时间差值分析模型:
,
其中,代表预测的用户下一次出行时,实际出行时间与导航显示时间之间的差值与导航显示时间之间的比例值;/>为预测截距;/>为预测斜率;/>为预测次数;
,
,
其中,代表一次移动平均值;/>代表二次移动平均值;/>代表参与移动的数据组数;
根据模型,输出,并根据公式计算得出/>;
,
其中,指初始模拟驾驶路径的预测驾驶时间值;/>指初始模拟驾驶路径的导航显示时间值。
在上述技术方案中,由于模拟系统一般是基于新手用户,而导航系统是根据行驶车速不断分析,得到的预估时间,基于新手用户驾驶的习惯与经验,可以获得实际驾驶时间与导航显示时间之间的差值,由于路途不同会导致差值时间不具备分析性,因此设置差值比例进行分析,能够实现不同路程下的差值时间预测,通过差值时间预测与导航显示时间就可以进一步反推出当前用户进行模拟驾驶的时间。
根据上述技术方案,所述生成用户模拟时间阈值包括:
获取用户使用模拟驾驶平台的历史驾驶时间数据值,记为数据列;其中;
其中,分别代表用户每一次使用模拟驾驶平台的历史驾驶时间数据;/>代表选取的历史驾驶时间数据总量;
构建新数据列,所述新数据列/>为数据列/>经过灰色累加生成处理的数据列;
新数据列;
其中,分别代表灰色累加生成处理后的结果,所述灰色累加生成处理指:
,
其中,m=1,2,……,N;代表序号值;
构建新数据列,所述新数据列/>为数据列/>经过紧邻均值处理的数据列;
新数据列;
其中,分别代表紧邻均值的方式计算处理后的结果,所述紧邻均值处理指:
,
将数据列、/>记成矩阵,根据最小二乘法生成预测时间模型:
,
其中,为发展系数,/>为灰作用量;其中/>、/>通过建立/>的白化微分方程进行求解:
,
在m=N时,输出的结果作为用户模拟时间阈值。
根据上述技术方案,所述生成新的模拟驾驶路径包括:
获取初始模拟驾驶路径的预测驾驶时间值,若超出用户模拟时间阈值,对初始模拟驾驶路径进行分析处理;
获取初始模拟驾驶路径上的交通标识,获取交通标识出现的次数;获取用户使用模拟驾驶平台的历史数据中模拟行驶过该交通标识的次数;
构建路径交通标识模拟的优先级得分模型:
,
其中,代表任一个交通标识的优先级得分;/>、/>分别代表初始模拟驾驶路径上该交通标识出现的次数、用户使用模拟驾驶平台的历史数据中模拟行驶过该交通标识的次数;/>、/>分别代表次数对于优先级得分的影响系数;
对初始模拟驾驶路径上的交通标识按照优先级得分从大到小进行排序,分别获取带有交通标识的路段,按照优先级得分从大到小的排序顺序进行路段截取,以路段长度阈值R最为截取最大值,直至截取的路段总长度所需的模拟时间满足用户模拟时间阈值为止,生成新的模拟驾驶路径;
将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,所述模拟驾驶的驾驶得分根据交通规则打分,即满分12分,每违规一次,扣除相应分值。设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据。
一种基于大数据的交通教学智能管理系统,该系统包括:模拟驾驶模块、模拟时间分析模块、路径处理模块、交通教学预警模块;
所述模拟驾驶模块用于构建模拟驾驶平台,获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线,获取计划出现路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;所述模拟时间分析模块用于获取初始模拟驾驶路径的预测驾驶时间值,获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值;所述路径处理模块用于在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值时,对初始模拟驾驶路径进行分析处理,获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;所述交通教学预警模块用于将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据;
所述模拟驾驶模块的输出端与所述模拟时间分析模块的输入端相连接;所述模拟时间分析模块的输出端与所述路径处理模块的输入端相连接;所述路径处理模块的输出端与所述交通教学预警模块的输入端相连接。
根据上述技术方案,所述模拟驾驶模块包括数据采集单元、路径输出单元;
所述数据采集单元用于在构建的模拟驾驶平台上获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线;所述路径输出单元用于获取计划出现路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;
所述数据采集单元的输出端与所述路径输出单元的输入端相连接。
根据上述技术方案,所述模拟时间分析模块包括预测驾驶时间分析单元、用户模拟时间阈值分析单元;
所述预测驾驶时间分析单元用于根据初始模拟驾驶路径上的历史交通数据,构建预测模型,获取初始模拟驾驶路径的预测驾驶时间值;所述用户模拟时间阈值分析单元用于获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值;
所述预测驾驶时间分析单元的输出端、用户模拟时间阈值分析单元的输出端均连接至路径处理模块的输入端。
根据上述技术方案,所述路径处理模块包括判断单元、路径替换单元;
所述判断单元用于在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值时,对初始模拟驾驶路径进行分析处理;所述路径替换单元用于获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;
所述判断单元的输出端与所述路径替换单元的输入端相连接。
根据上述技术方案,所述交通教学预警模块包括模拟得分单元、预警单元;
所述模拟得分单元用于将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分;所述预警单元用于设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据;
所述模拟得分单元的输出端与所述预警单元的输入端相连接。
与现有技术相比,本发明所达到的有益效果是:
本发明能够针对用户出行的路段进行分析,提前帮助用户实现模拟驾驶,对于新手司机用户十分友好,与现实路况贴合度高,对于各类交通标识,也能够帮助新手司机提前了解,提高驾驶安全。同时能够解决当前交通教学过程中模拟驾驶地图单一、时间冗长的问题。
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是本发明一种基于大数据的交通教学智能管理系统及方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,在本实施例一中:构建一模拟驾驶平台,获取用户输入的目的地,连接地图软件数据,以当前位置为起点,输入目的地为终点,生成计划出行路线,并将计划出行路线转换成初始模拟驾驶路径输入至模拟驾驶平台;
根据地图软件,获取用户导航出行数据,计算历史数据下用户导航实际出行时间与导航显示时间之间的差值与导航显示时间之间的比例值;
记为集合;在本实施例中,取;构建时间差值分析模型:
,
其中,代表预测的用户下一次出行时,实际出行时间与导航显示时间之间的差值与导航显示时间之间的比例值;/>为预测截距;/>为预测斜率;/>为预测次数,在本实施例中,取1次;
,
,
其中,代表一次移动平均值;/>代表二次移动平均值;/>代表参与移动的数据组数,取3组一移动;
,
,
,
根据模型,输出,并根据公式计算得出/>;
,
其中,指初始模拟驾驶路径的预测驾驶时间值;/>指初始模拟驾驶路径的导航显示时间值。
所述生成用户模拟时间阈值包括:
获取用户使用模拟驾驶平台的历史驾驶时间数据值,记为数据列;其中;
其中,分别代表用户每一次使用模拟驾驶平台的历史驾驶时间数据;/>代表选取的历史驾驶时间数据总量;
构建新数据列,所述新数据列/>为数据列/>经过灰色累加生成处理的数据列;
新数据列;
其中,分别代表灰色累加生成处理后的结果,所述灰色累加生成处理指:
,
其中,m=1,2,……,N;代表序号值;
构建新数据列,所述新数据列/>为数据列/>经过紧邻均值处理的数据列;
新数据列;
其中,分别代表紧邻均值的方式计算处理后的结果,所述紧邻均值处理指:
,
将数据列、/>记成矩阵,根据最小二乘法生成预测时间模型:
,
其中,为发展系数,/>为灰作用量;其中/>、/>通过建立/>的白化微分方程进行求解:
,
在m=N时,输出的结果作为用户模拟时间阈值。
获取初始模拟驾驶路径的预测驾驶时间值,若超出用户模拟时间阈值,对初始模拟驾驶路径进行分析处理;
获取初始模拟驾驶路径上的交通标识,获取交通标识出现的次数;获取用户使用模拟驾驶平台的历史数据中模拟行驶过该交通标识的次数;
构建路径交通标识模拟的优先级得分模型:
,
其中,代表任一个交通标识的优先级得分;/>、/>分别代表初始模拟驾驶路径上该交通标识出现的次数、用户使用模拟驾驶平台的历史数据中模拟行驶过该交通标识的次数;/>、/>分别代表次数对于优先级得分的影响系数;
对初始模拟驾驶路径上的交通标识按照优先级得分从大到小进行排序,分别获取带有交通标识的路段,按照优先级得分从大到小的排序顺序进行路段截取,以路段长度阈值R最为截取最大值,直至截取的路段总长度所需的模拟时间满足用户模拟时间阈值为止,生成新的模拟驾驶路径;
将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据。
在本实施例二中,提供一种基于大数据的交通教学智能管理系统,该系统包括:模拟驾驶模块、模拟时间分析模块、路径处理模块、交通教学预警模块;
所述模拟驾驶模块用于构建模拟驾驶平台,获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线,获取计划出现路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;所述模拟时间分析模块用于获取初始模拟驾驶路径的预测驾驶时间值,获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值;所述路径处理模块用于在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值时,对初始模拟驾驶路径进行分析处理,获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;所述交通教学预警模块用于将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据;
所述模拟驾驶模块的输出端与所述模拟时间分析模块的输入端相连接;所述模拟时间分析模块的输出端与所述路径处理模块的输入端相连接;所述路径处理模块的输出端与所述交通教学预警模块的输入端相连接。
所述模拟驾驶模块包括数据采集单元、路径输出单元;
所述数据采集单元用于在构建的模拟驾驶平台上获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线;所述路径输出单元用于获取计划出现路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;
所述数据采集单元的输出端与所述路径输出单元的输入端相连接。
所述模拟时间分析模块包括预测驾驶时间分析单元、用户模拟时间阈值分析单元;
所述预测驾驶时间分析单元用于根据初始模拟驾驶路径上的历史交通数据,构建预测模型,获取初始模拟驾驶路径的预测驾驶时间值;所述用户模拟时间阈值分析单元用于获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值;
所述预测驾驶时间分析单元的输出端、用户模拟时间阈值分析单元的输出端均连接至路径处理模块的输入端。
所述路径处理模块包括判断单元、路径替换单元;
所述判断单元用于在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值时,对初始模拟驾驶路径进行分析处理;所述路径替换单元用于获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;
所述判断单元的输出端与所述路径替换单元的输入端相连接。
所述交通教学预警模块包括模拟得分单元、预警单元;
所述模拟得分单元用于将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分;所述预警单元用于设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据;
所述模拟得分单元的输出端与所述预警单元的输入端相连接。
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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于大数据的交通教学智能管理方法,其特征在于:该方法包括以下步骤:
S1、构建模拟驾驶平台,获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线,获取计划出行路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;
S2、获取初始模拟驾驶路径的预测驾驶时间值,获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值,若存在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值,对初始模拟驾驶路径进行分析处理;
S3、获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;
S4、将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据。
2.根据权利要求1所述的一种基于大数据的交通教学智能管理方法,其特征在于:所述初始模拟驾驶路径包括:
获取用户输入的目的地,连接地图软件数据,以当前位置为起点,输入目的地为终点,生成计划出行路线,并将计划出行路线转换成初始模拟驾驶路径输入至模拟驾驶平台;
根据地图软件,获取用户导航出行数据,计算历史数据下用户导航实际出行时间与导航显示时间之间的差值与导航显示时间之间的比例值;
记为集合;构建时间差值分析模型:
,
其中,代表预测的用户下一次出行时,实际出行时间与导航显示时间之间的差值与导航显示时间之间的比例值;/>为预测截距;/>为预测斜率;/>为预测次数;
,
,
其中,代表一次移动平均值;/>代表二次移动平均值;/>代表参与移动的数据组数;
根据模型,输出,并根据公式计算得出/>;
,
其中,指初始模拟驾驶路径的预测驾驶时间值;/>指初始模拟驾驶路径的导航显示时间值。
3.根据权利要求2所述的一种基于大数据的交通教学智能管理方法,其特征在于:所述生成用户模拟时间阈值包括:
获取用户使用模拟驾驶平台的历史驾驶时间数据值,记为数据列;其中;
其中,分别代表用户每一次使用模拟驾驶平台的历史驾驶时间数据;/>代表选取的历史驾驶时间数据总量;
构建新数据列,所述新数据列/>为数据列/>经过灰色累加生成处理的数据列;
新数据列;
其中,分别代表灰色累加生成处理后的结果,所述灰色累加生成处理指:
,
其中,m=1,2,……,N;代表序号值;
构建新数据列,所述新数据列/>为数据列/>经过紧邻均值处理的数据列;
新数据列;
其中,分别代表紧邻均值的方式计算处理后的结果,所述紧邻均值处理指:
,
将数据列、/>记成矩阵,根据最小二乘法生成预测时间模型:
,
其中,为发展系数,/>为灰作用量;其中/>、/>通过建立/>的白化微分方程进行求解:
,
在m=N时,输出的结果作为用户模拟时间阈值。
4.根据权利要求3所述的一种基于大数据的交通教学智能管理方法,其特征在于:所述生成新的模拟驾驶路径包括:
获取初始模拟驾驶路径的预测驾驶时间值,若超出用户模拟时间阈值,对初始模拟驾驶路径进行分析处理;
获取初始模拟驾驶路径上的交通标识,获取交通标识出现的次数;获取用户使用模拟驾驶平台的历史数据中模拟行驶过该交通标识的次数;
构建路径交通标识模拟的优先级得分模型:
,
其中,代表任一个交通标识的优先级得分;/>、/>分别代表初始模拟驾驶路径上该交通标识出现的次数、用户使用模拟驾驶平台的历史数据中模拟行驶过该交通标识的次数;、/>分别代表次数对于优先级得分的影响系数;
对初始模拟驾驶路径上的交通标识按照优先级得分从大到小进行排序,分别获取带有交通标识的路段,按照优先级得分从大到小的排序顺序进行路段截取,以路段长度阈值R最为截取最大值,直至截取的路段总长度所需的模拟时间满足用户模拟时间阈值为止,生成新的模拟驾驶路径;
将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据。
5.一种基于大数据的交通教学智能管理系统,其特征在于:该系统包括:模拟驾驶模块、模拟时间分析模块、路径处理模块、交通教学预警模块;
所述模拟驾驶模块用于构建模拟驾驶平台,获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线,获取计划出现路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;所述模拟时间分析模块用于获取初始模拟驾驶路径的预测驾驶时间值,获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值;所述路径处理模块用于在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值时,对初始模拟驾驶路径进行分析处理,获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;所述交通教学预警模块用于将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分,设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据;
所述模拟驾驶模块的输出端与所述模拟时间分析模块的输入端相连接;所述模拟时间分析模块的输出端与所述路径处理模块的输入端相连接;所述路径处理模块的输出端与所述交通教学预警模块的输入端相连接。
6.根据权利要求5所述的一种基于大数据的交通教学智能管理系统,其特征在于:所述模拟驾驶模块包括数据采集单元、路径输出单元;
所述数据采集单元用于在构建的模拟驾驶平台上获取用户输入的目的地数据信息,连接地图数据,生成计划出行路线;所述路径输出单元用于获取计划出现路线上的交通标识数据,生成初始模拟驾驶路径至模拟驾驶平台;
所述数据采集单元的输出端与所述路径输出单元的输入端相连接。
7.根据权利要求5所述的一种基于大数据的交通教学智能管理系统,其特征在于:所述模拟时间分析模块包括预测驾驶时间分析单元、用户模拟时间阈值分析单元;
所述预测驾驶时间分析单元用于根据初始模拟驾驶路径上的历史交通数据,构建预测模型,获取初始模拟驾驶路径的预测驾驶时间值;所述用户模拟时间阈值分析单元用于获取用户使用模拟驾驶平台的历史驾驶时间数据值,生成用户模拟时间阈值;
所述预测驾驶时间分析单元的输出端、用户模拟时间阈值分析单元的输出端均连接至路径处理模块的输入端。
8.根据权利要求5所述的一种基于大数据的交通教学智能管理系统,其特征在于:所述路径处理模块包括判断单元、路径替换单元;
所述判断单元用于在初始模拟驾驶路径的预测驾驶时间值超出用户模拟时间阈值时,对初始模拟驾驶路径进行分析处理;所述路径替换单元用于获取初始模拟驾驶路径上的交通标识,基于用户使用模拟驾驶平台的历史数据构建交通标识模拟的优先级,生成新的模拟驾驶路径;
所述判断单元的输出端与所述路径替换单元的输入端相连接。
9.根据权利要求5所述的一种基于大数据的交通教学智能管理系统,其特征在于:所述交通教学预警模块包括模拟得分单元、预警单元;
所述模拟得分单元用于将生成的新的模拟驾驶路径输入至模拟驾驶平台,获取用户模拟驾驶的驾驶得分;所述预警单元用于设置得分阈值,若存在驾驶得分低于得分阈值,发出警告信息数据;
所述模拟得分单元的输出端与所述预警单元的输入端相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310574205.XA CN116308936B (zh) | 2023-05-22 | 2023-05-22 | 一种基于大数据的交通教学智能管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310574205.XA CN116308936B (zh) | 2023-05-22 | 2023-05-22 | 一种基于大数据的交通教学智能管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308936A CN116308936A (zh) | 2023-06-23 |
CN116308936B true CN116308936B (zh) | 2023-07-21 |
Family
ID=86820718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310574205.XA Active CN116308936B (zh) | 2023-05-22 | 2023-05-22 | 一种基于大数据的交通教学智能管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308936B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768807A (zh) * | 2012-06-14 | 2012-11-07 | 龚䶮 | 模拟导弹制导的车辆路径规划方法 |
CN103661375A (zh) * | 2013-11-25 | 2014-03-26 | 同济大学 | 一种考虑驾驶分心状态的车道偏离报警方法及系统 |
CN110347154A (zh) * | 2019-06-26 | 2019-10-18 | 禾多科技(北京)有限公司 | 基于模拟控制系统的高精度地图路径规划方法 |
US10475350B1 (en) * | 2016-04-11 | 2019-11-12 | State Farm Mutual Automobile Insurance Company | System and method for a driving simulator on a mobile device |
CN112224211A (zh) * | 2020-10-19 | 2021-01-15 | 中交第一公路勘察设计研究院有限公司 | 基于多自主体交通流的驾驶模拟仿真系统 |
CN112789619A (zh) * | 2020-12-31 | 2021-05-11 | 华为技术有限公司 | 一种仿真场景的构建方法、仿真方法以及设备 |
CN115214650A (zh) * | 2021-03-31 | 2022-10-21 | 本田汽车研究学院欧洲股份有限公司 | 对驾驶员进行辅助的先进驾驶员辅助系统、方法及载具 |
CN115424492A (zh) * | 2021-05-31 | 2022-12-02 | 惠州华阳通用电子有限公司 | 一种模拟驾驶评价方法 |
CN115455718A (zh) * | 2022-09-23 | 2022-12-09 | 中国科学院软件研究所 | 面向自动驾驶系统仿真测试的关键场景生成方法及系统 |
-
2023
- 2023-05-22 CN CN202310574205.XA patent/CN116308936B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768807A (zh) * | 2012-06-14 | 2012-11-07 | 龚䶮 | 模拟导弹制导的车辆路径规划方法 |
CN103661375A (zh) * | 2013-11-25 | 2014-03-26 | 同济大学 | 一种考虑驾驶分心状态的车道偏离报警方法及系统 |
US10475350B1 (en) * | 2016-04-11 | 2019-11-12 | State Farm Mutual Automobile Insurance Company | System and method for a driving simulator on a mobile device |
CN110347154A (zh) * | 2019-06-26 | 2019-10-18 | 禾多科技(北京)有限公司 | 基于模拟控制系统的高精度地图路径规划方法 |
CN112224211A (zh) * | 2020-10-19 | 2021-01-15 | 中交第一公路勘察设计研究院有限公司 | 基于多自主体交通流的驾驶模拟仿真系统 |
CN112789619A (zh) * | 2020-12-31 | 2021-05-11 | 华为技术有限公司 | 一种仿真场景的构建方法、仿真方法以及设备 |
CN115214650A (zh) * | 2021-03-31 | 2022-10-21 | 本田汽车研究学院欧洲股份有限公司 | 对驾驶员进行辅助的先进驾驶员辅助系统、方法及载具 |
CN115424492A (zh) * | 2021-05-31 | 2022-12-02 | 惠州华阳通用电子有限公司 | 一种模拟驾驶评价方法 |
CN115455718A (zh) * | 2022-09-23 | 2022-12-09 | 中国科学院软件研究所 | 面向自动驾驶系统仿真测试的关键场景生成方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于Unity3D 的虚拟驾驶系统的开发与应用;姜峰 等;智能计算机与应用;第7卷(第4期);39-41 * |
Also Published As
Publication number | Publication date |
---|---|
CN116308936A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109709956B (zh) | 一种自动驾驶车辆速度控制多目标优化的跟驰算法 | |
CN107301289B (zh) | 一种基于智能博弈的交通流元胞自动机模型的实现方法 | |
CN113064487A (zh) | 一种交互虚拟仿真系统 | |
CN112508164B (zh) | 一种基于异步监督学习的端到端自动驾驶模型预训练方法 | |
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 | |
CN101556625A (zh) | 驾驶员对路径信息板动态响应行为的动态模拟方法 | |
Li et al. | Crash Risk Prediction Model of Lane‐Change Behavior on Approaching Intersections | |
CN111339668B (zh) | 基于情绪认知的人群疏散可视化方法 | |
CN115081508A (zh) | 一种基于交通数字孪生的交通运行风险平行仿真系统 | |
CN116308936B (zh) | 一种基于大数据的交通教学智能管理系统及方法 | |
CN116620327A (zh) | 基于PPO和Lattice实现自动驾驶的高速场景的变道决策方法 | |
Kubotani et al. | Rltutor: Reinforcement learning based adaptive tutoring system by modeling virtual student with fewer interactions | |
Papathanasopoulou et al. | Flexible car-following models incorporating information from adjacent lanes | |
CN117746639B (zh) | 基于自动驾驶的背景交通流模型构建方法及系统 | |
CN111667568A (zh) | 一种基于驾驶模拟技术的可变情报板信息发布效果评价方法 | |
CN113108807A (zh) | 一种自动驾驶路径规划方法及其可读存储介质 | |
CN117991783A (zh) | 一种基于自然化对抗环境生成的短路径规划器训练方法 | |
CN116259176B (zh) | 一种基于意图随机性影响策略的行人轨迹预测方法 | |
Wan et al. | An intelligent vehicle model for 3D visual traffic simulation | |
Heltimo et al. | A microlevel method for road traffic noise prediction | |
Zhu et al. | Speed Change Behavior on Highway Tunnel Entrance Influenced by Different Driving Experience, Relative Distance from Tunnel Entrance, and Road Slope | |
Ekmekçi | An investigation of piecewise Structural Equation Modelling to understand the effect on collisions of shorter visibility designs at urban three arm junctions | |
Malik | An assessment system for evaluation of driving competencies | |
Sawtschuk | Climate change: space, development and urban transition, Université de Bretagne occidentale, Brest, France, 5–6 October 2015 | |
Avramovic et al. | Evaluation of Autodesk InfraWorks 360 and PTV Vissim-A comparative study of two traffic simulation software products |
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 |