CN116911697A - 一种网络教学质量评价方法 - Google Patents
一种网络教学质量评价方法 Download PDFInfo
- Publication number
- CN116911697A CN116911697A CN202311179342.XA CN202311179342A CN116911697A CN 116911697 A CN116911697 A CN 116911697A CN 202311179342 A CN202311179342 A CN 202311179342A CN 116911697 A CN116911697 A CN 116911697A
- Authority
- CN
- China
- Prior art keywords
- driving
- behavior
- specified
- score
- road
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 108
- 230000000875 corresponding effect Effects 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000007726 management method Methods 0.000 claims description 14
- 230000002596 correlated effect Effects 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 12
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 241000283070 Equus zebra Species 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001303 quality assessment method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000004088 simulation Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本申请公开了一种网络教学质量评价方法，一方面，通过以管理、监督目的的数据处理，实现了自动化手段，在驾驶培训场景中应用于网络教学质量评价的技术目标。另一方面，自动化的教学质量评价手段，有利于提高教学质量评价的效率，改善学员的用户体验，也能进一步地减少监督、管理资源的消耗，改善监督管理方的体验。
Description
技术领域
本申请涉及适用于行政、商业、金融、管理、监督或预测目的的数据处理技术领域，尤其涉及一种网络教学质量评价方法。
背景技术
技术的发展惠及众多领域，为人们的生活提供了较大的便利。
例如，公开(公告)号：CN110533333B的专利申请“一种教学评价方法及装置”（主分类号：G06Q10/06），通过对数据的处理实现了对学生的学习效果的评价，进而实现其评价的目标。再例如，公开(公告)号：CN110991943B的专利申请“一种基于云计算的教学质量评价系统”（主分类号：G06Q10/0639），在学生对知识点的掌握情况的评价方面实现了自动化。
一方面，能够说明基于自动化的手段实现对产品的量化、评价成为可能，此类技术手段的应用能够一定程度的提高效率，提高生产、生活水平；另一方面，也能够说明基于自动化实现的评价方法的应用领域还具有较为宽泛的扩展前景。
发明内容
本申请实施例提供了一种网络教学质量评价方法，以至少部分的解决上述技术问题。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种网络教学质量评价方法，所述方法包括：
在检测到学员登录的情况下，获取所述学员的地理位置信息；
从预设的模型管理服务端，获取与所述地理位置信息匹配的地图模型，作为目标模型；
加载所述目标模型，以展示对应于所述地理位置信息的环境图；所述环境图是以所述学员处于所述地理位置信息对应的环境的道路上的指定位置点时，以所述学员处于机动车驾驶位时的视角为基准的三维环境图像；
以所述指定位置点为起点，在所述环境图中规划出用于模拟驾驶的驾驶路径，并以俯视视角进行展示；所述驾驶路径包含首尾相接、交替排布的若干个第一路段和若干个第二路段；所述第一路段用于通过交通指示灯、路标、障碍人物以及障碍物体模拟常规驾驶环境；所述第二路段用于通过设置障碍车辆模拟防御性驾驶环境；
监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，将所述第三路段作为所述驾驶路径上即将进入的下一个路段，并将此前行驶过的路段确定为历史路段；所述第三路段中的至少一个所述障碍车辆以所述指定行为的方式进行驾驶；所述指定行为包含违规行为和风险驾驶行为；
监测所述学员在所述第三路段上的驾驶行为，得到第一评分；所述第一评分与所述障碍车辆以所述指定行为的方式进行驾驶时，所述学员驾驶的车辆的行驶速度负相关，且与所述学员驾驶的车辆在所述第三路段上的所述指定行为相关；
基于所述学员在所述历史路段上的驾驶行为，得到第二评分；所述第二评分与所述学员在所述历史路段上驾驶的时长负相关，与所述学员在所述历史路段上的所述指定行为的次数负相关，与所述学员在所述历史路段上的最大匀速驾驶速度和最小匀速驾驶速度的差值负相关，且与所述学员在所述历史路段上行驶的平均速度正相关；
基于所述第一评分和所述第二评分，得到综合评分；所述综合评分与所述第一评分、所述第二评分均正相关。
在本说明书一个可选的实施例中，若在指定时间段内未监测到指定行为，则确定第三路段，包括：
若在所述指定时间段内未监测到所述指定行为、且所述学员驾驶的车辆未发生事故，则确定第三路段。
在本说明书一个可选的实施例中，所述方法还包括：
所述第三路段还可以是存在至少一所述障碍人物以违规的方式进行运动的路段。
在本说明书一个可选的实施例中，所述第一评分的最小值为0，所述方法还包括：
若所述第三路段上发生了由所述学员的所述指定行为引起的事故，则将所述第一评分确定为0。
在本说明书一个可选的实施例中，监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，包括：
在检测到所述学员按照所述驾驶路径的驾驶行为时，开始针对所述指定时间段进行计时；
若监测到所述指定行为，则重新确定指定时间段，以基于重新确定的所述指定时间段进行重新计时；所述重新确定的所述指定时间段的时长不小于上一个所述指定时间段的时长、所述重新确定的所述指定时间段的时长与导致所述重新计时的所述指定行为在历史上的出现次数正相关、且与指定系数正相关；导致所述重新计时的所述指定行为发生在所述第一路段的情况下的所述指定系数，大于导致所述重新计时的所述指定行为发生在所述第二路段的情况下的所述指定系数。
在本说明书一个可选的实施例中，所述方法还包括：
由所述违规行为导致的所述重新计时的情况下的所述指定系数，大于由所述风险驾驶行为导致的所述重新计时的情况下的所述指定系数。
在本说明书一个可选的实施例中，所述方法还包括：
所述指定位置点包含以下之一：由辅路汇入主路的位置，由停车位驶入道路的位置。
第二方面，本申请实施例还提供一种网络教学质量评价系统，所述系统包括：
信息获取模块，配置为：在检测到学员登录的情况下，获取所述学员的地理位置信息；
地图模型筛选模块，配置为：从预设的模型管理服务端，获取与所述地理位置信息匹配的地图模型，作为目标模型；
展示模块，配置为：加载所述目标模型，以展示对应于所述地理位置信息的环境图；所述环境图是以所述学员处于所述地理位置信息对应的环境的道路上的指定位置点时，以所述学员处于机动车驾驶位时的视角为基准的三维环境图像；
规划模块，配置为：以所述指定位置点为起点，在所述环境图中规划出用于模拟驾驶的驾驶路径，并以俯视视角进行展示；所述驾驶路径包含首尾相接、交替排布的若干个第一路段和若干个第二路段；所述第一路段用于通过交通指示灯、路标、障碍人物以及障碍物体模拟常规驾驶环境；所述第二路段用于通过设置障碍车辆模拟防御性驾驶环境；
监测模块，配置为：监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，将所述第三路段作为所述驾驶路径上即将进入的下一个路段，并将此前行驶过的路段确定为历史路段；所述第三路段中的至少一个所述障碍车辆以所述指定行为的方式进行驾驶；所述指定行为包含违规行为和风险驾驶行为；
第一评分确定模块，配置为：监测所述学员在所述第三路段上的驾驶行为，得到第一评分；所述第一评分与所述障碍车辆以所述指定行为的方式进行驾驶时，所述学员驾驶的车辆的行驶速度负相关，且与所述学员驾驶的车辆在所述第三路段上的所述指定行为相关；
第二评分确定模块，配置为：基于所述学员在所述历史路段上的驾驶行为，得到第二评分；所述第二评分与所述学员在所述历史路段上驾驶的时长负相关，与所述学员在所述历史路段上的所述指定行为的次数负相关，与所述学员在所述历史路段上的最大匀速驾驶速度和最小匀速驾驶速度的差值负相关，且与所述学员在所述历史路段上行驶的平均速度正相关；
综合评分确定模块，配置为：基于所述第一评分和所述第二评分，得到综合评分；所述综合评分与所述第一评分、所述第二评分均正相关。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行第一方面所述的方法步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行第一方面所述的方法步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
本说明书中的方法通过三维环境图像的方式模拟驾驶环境，能够实现身临其境的驾驶体验，进而能够实现针对学员在完成机动车驾驶培训网络课程之后在实景驾驶中的表现进行评价。也就是说，本说明书评价不仅仅是课程为学员在理论知识方面的培养，还包含理论知识在实践中的转化情况。本说明书中的方法为模拟驾驶规划的驾驶路径包含风险较低的第一路段和风险相对较高的第二路段，两种路段交替排布，一方面能够测试到学员对不同风险程度的路段的适应情况，另一方面也能够测试到学员对不同风险程度的路段之间的切换的应对能力。此外，本说明书中的方法模拟的驾驶路径中还包含第三路段。第三路段是风险更高的路段，能够评价经培训之后针对高风险情况的应对能力，在实际的驾驶环境中，高风险的情况并不常见，在学员在第一路段和第二路段上的驾驶具有较好的表现时，才会触发展示第三路段。若学员在第一路段和第二路段上的表现并不好，则不会触发第三路段。可见，本说明书中的方法针对不同学习程度、对学习掌握的程度不同的学员的学习效果均能够实现较好的评价。
此外，本申请公开了一种网络教学质量评价方法，一方面，通过以管理、监督目的的数据处理，实现了自动化手段，在驾驶培训场景中应用于网络教学质量评价的技术目标。另一方面，自动化的教学质量评价手段，有利于提高教学质量评价的效率，改善学员的用户体验，也能进一步地减少监督、管理资源的消耗，改善监督管理方的体验。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种网络教学质量评价方法的过程示意图；
图2为本说明书实施例中一种电子设备的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其它元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。
在教育领域，实现了远程教学和虚拟教学，较大程度的丰富了教学的方式和教学场景。远程教学和虚拟教学产品的发展，日益呈成熟化、规模化、普及化的方向发展。
例如，通过网络实现的机动车驾驶课程，已经成为了机动车驾驶培训的方式之一。相关技术中，针对机动车驾驶的培训网络课程多以应试目的为主，以帮助学员掌控机动车驾驶考试的考点，进而提高通过考试的概率。然而，无论是考试还是考试通过之后的以应用为目的的驾驶，其至少部分内容是需要在实景道路上完成的，特别是以应用为目的的驾驶行为中，若不能较为熟练地应对实景道路的路况，将有可能提高事故发生的风险。此外，以应试为目的的驾驶，若不能与实景道路相结合，则会导致学员通过考试之后也不具备在实景道路上驾驶机动车的能力。
由此，如何结合实景道路的情况，对机动车驾驶培训网络课程的质量进行评价，使得学员能够对自身的情况有客观的了解，成为亟待解决的问题。
以下结合附图，详细说明本申请各实施例提供的技术方案。
如图1所示，本说明书中的网络教学质量评价方法包含以下步骤：
S100：在检测到学员登录的情况下，获取所述学员的地理位置信息。
本说明书中的方法由网络教学质量评价系统执行，该系统可以用于构成网络教学质量评价系统。该系统可以具有显示器、数据处理器和交互部件（例如，可用于模拟方向盘、档杆、离合器、刹车控制器的部件），相关技术中，能够用于实现模拟车辆的交互功能的部件，在条件允许的情况下，均可以作为本说明书中的交互部件。显示器可以用于显示模拟出的学员当前所处的驾驶环境，例如环境中的道路、路标、建筑物、障碍车辆、障碍人物等等。数据处理器则用于基于学员通过交互部件传达的驾驶操作，控制显示器展示的内容，进而实现针对学员所处驾驶环境的身临其境的模拟。示例性地，系统可以通过unity3d引擎实现数据的调用与处理，进而与学员的操作相匹配。
在相关技术中，能够实现针对学员的登录的检测的技术手段，在条件允许的情况下，均适用于本说明书。学员所处的地理位置信息例如学员所处的城市，城市下属的辖区等。可以通过系统的IP地址等信息确定学员的地理位置信息。
S102：从预设的模型管理服务端，获取与所述地理位置信息匹配的地图模型，作为目标模型。
本说明书中的系统与模型管理服务端通信连接。模型管理服务端中存储有不同地理位置对应的地图模型。地图模型中记录有其所属的地理位置的三维环境地貌，用于构建该地理位置的三维模型。
则可以通过由前述步骤得到的地理位置信息从模型管理服务端管理的各地图模型中进行查找，以得到与地理位置信息匹配的地图模型，作为目标模型。
在本说明书一个可选的实施例中，模型管理服务端可以是与导航服务端（例如，相关技术中的导航软件、地图软件）连接的服务器，以获取到导航服务端提供的地图信息等。
考虑到，接受机动车驾驶培训网络课程的学员多为初学者，受到教育经历、年龄等方面的影响，学员对其自身所处的环境（例如居住地）较为熟悉，在这样的环境中接受教学质量的评价，有利于减低学员的心理压力。
S104：加载所述目标模型，以展示对应于所述地理位置信息的环境图。
本说明书中的环境图是以所述学员处于所述地理位置信息对应的环境的道路上的指定位置点时，以所述学员处于机动车驾驶位时的视角为基准的三维环境图像。
在本说明书一个可选的实施例中，指定位置点是地理位置信息对应的环境中道路上的随机的某个位置，或者，学员可以通过与系统交互的方式自行设定道路上的位置点，作为指定位置点。
在本说明书另一个可选的实施例中，指定位置点包含以下之一：由辅路汇入主路的位置，由停车位驶入道路的位置。以检测学员对车辆起步或者车辆汇入操作的掌握情况。
S106：确定以所述指定位置点为起点，在所述环境图中规划出用于模拟驾驶的驾驶路径，并以俯视视角进行展示。
对驾驶路径的展示的作用类似于导航，使得学员能够预先地的知晓应按照何种路径进行驾驶，进而使得所述学员执行沿所述驾驶路径行驶时的行为。显示器可以对环境图和驾驶路径进行分屏展示。
本说明书中的驾驶路径包含首尾相接、交替排布的若干个第一路段和若干个第二路段。具体地，在规划出驾驶路径之后，可以按照驾驶路径包含的路口，将驾驶路径划分为依次排布的若干个路段。然后，随机的确定出一部分，作为第一路段，其他的路段作为第二路段。
本说明书中的第一路段用于通过交通指示灯、路标（例如，斑马线等）、障碍人物（例如，穿斑马线的行人等）以及障碍物体（例如，马路牙子、路障、障碍车辆等）模拟常规驾驶环境。常规的驾驶环境是风险较低的驾驶环境，对学员而言，也是难度较低的驾驶环境。
本说明书中的第二路段用于通过设置障碍车辆模拟防御性驾驶环境。防御性驾驶环境例如在路口等红灯时，学员驾驶的车辆右侧车道停有遮挡视线严重的箱式货车，在红灯切换为绿灯时，行人以跑步的方式通过车辆前方的斑马线。若学员驾驶的车辆不能够及时应对的话，则有可能造成事故。可见，本说明书中的第二路段是风险相对于第一路段较高的路段。
在本说明书模拟的驾驶环境中，诸如道路、斑马线这些静态的物体，是目标模型中预先设定的，在执行本说明书中的评价方法时，仅需对目标模型进行加载，即可实现对这些静态的物体的展示。诸如障碍人物、障碍车辆这种可能处于动态也可能处于静态的障碍物，则可以由引擎控制其动作，以实现其在驾驶环境中的动作。
S108：监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，将所述第三路段作为所述驾驶路径上即将进入的下一个路段，并将此前行驶过的路段确定为历史路段。
本说明书中的所述指定行为包含违规行为以及风险驾驶行为。违规行为，例如，闯红灯、实线变道等；风险驾驶行为，例如，急刹车、急转向等。
在学员开始执行在驾驶路径上的驾驶行为时，即开始针对指定时间段的计时，若检测到指定行为，则重新开始计时。
本说明书中的第三路段是风险最高的路段。在第三路段中的至少一个所述障碍车辆以指定行为的方式进行驾驶，第三路段主要用于评价学员应对障碍车辆的指定行为的能力。在可选的实施例中，所述第三路段还可以是存在至少一所述障碍人物以违规的方式进行运动（例如行人闯红灯、行人为按规定使用斑马线等）的路段。
在本说明书一个可选的实施例中，若在所述指定时间段内未监测到指定行为、且所述学员驾驶的车辆未发生事故，则确定第三路段。若在第一路段或者第二路段上检测到事故，则将事故发生的位置作为驾驶路径的终点。
若学员在第三路段中良好应对，未发生事故，则将第三路段的终点作为驾驶路径的终点。若学员在第三路段中发生事故，则将发生事故的位置，作为驾驶路径的终点。当然，也可能存在学员始终处于第一路段和第二路段中进行驾驶的情况。在这种情况下，则采用计时的方式，确定何时完成评价。
在本说明书一个可选的实施例中，指定时间段的时长是预设值。
在本说明书另一个可选的实施例中，在检测到所述学员按照所述驾驶路径的驾驶行为时（也就是开始执行本说明书中的评价方法时），开始针对所述指定时间段进行计时。若监测到所述指定行为，则重新确定指定时间段，以基于重新确定的所述指定时间段进行重新计时。在该实施例中，每次重新确定出的指定时间段均相较于上一次确定出的指定时间段的时长有所增加。该重新确定的指定时间段的时长不小于上一个所述指定时间段的时长、所述重新确定指定时间段的时长与导致所述重新计时的指定行为在历史上的出现次数正相关、且与指定系数正相关；导致所述重新计时的指定行为发生在所述第一路段的情况下的所述指定系数，大于导致所述重新计时的指定行为发生在所述第二路段的情况下的所述指定系数。该实施例的设计，若学员执行指定行为，表明经培训后的学员要么明显的没有掌握驾驶技巧，要么表明学员自身对风险驾驶的关注度不高，这对行车安全都是不利的。每次重新针对指定时间段进行计时，而且还延长了重新确定出的指定时间段，能够延长学员在第一路段和第二路段中驾驶的时长，进而观测这种现象是否是偶发的。若不是偶发的，则能够尽量地使得学员无法进入第三路段，使得学员无法得到第三路段对应的得分，或者及时进入了第三路段，后续得到的综合评分的分值也较低。进而将这些培训效果不好的学员和其他培训效果好的学员区分开来。
可选地，由于违规行为的危害大于风险驾驶行为导致的危害，则由所述违规行为（例如超速）导致的所述重新计时的情况下的所述指定系数，大于由所述风险驾驶行为导致的所述重新计时的情况下的所述指定系数。
S110：监测所述学员在所述第三路段上的驾驶行为，得到第一评分。
本说明书中的第一评分与所述障碍车辆以指定行为的方式进行驾驶时，所述学员驾驶的车辆的行驶速度负相关（行驶速度越低，表明学员对风险隐患的担责程度较低），且与所述学员驾驶的车辆在所述第三路段上的指定行为相关（通常情况下，针对交通事故的判罚还要从涉事的各方的行为对责任进行判定）。本说明书中的第一评分旨在基于责任程度或者潜在责任程度，对培训在学员的风险意识方面的培养情况进行评价，也就是说，在事故或者潜在的事故中，学员需要承担的责任越大，则第一评分越低。
在本说明书一个可选的实施例中，若所述第三路段上发生了由所述学员的指定行为引起的事故，则将所述第一评分确定为0。
S112：基于所述学员在所述历史路段上的驾驶行为，得到第二评分。
第二评分旨在对培训在学员的常规驾驶熟练程度方面的培养情况进行评价。所述第二评分与所述学员在所述历史路段上驾驶的时长负相关（该时长越长，表明为能触发第三路段的时长越长，表明学员应对风险较低的驾驶环境的能力不是很高），与所述学员在所述历史路段上的指定行为的次数负相关（指定行为的次数越多，表明驾驶操作越不熟练或者风险意识越不强烈），与所述学员在所述历史路段上的最大匀速驾驶速度和最小的匀速驾驶速度的差值负相关（差值越大，表明驾驶越不平稳，风险隐患高。在本说明书中，在某一速度±浮动值范围内的行驶可以视为匀速行驶，浮动值可以是经验值），且与在所述历史路段上行驶的平均速度正相关（该平均速度越大，表明驾驶越熟练）。
S114：基于所述第一评分和所述第二评分，得到综合评分。
本说明书中的综合评分与所述第一评分、所述第二评分均正相关。综合评分越高，表明机动车驾驶培训网络课程的质量越高，教学效果越好。在本说明书一个可选的实施例中，可以将第一评分和第二评分之和，作为综合评分。此外，在另一个可选的实施例中，还可以对第一评分和第二评分进行加权求和，得到综合评分，权重值可以是经验值，或者，在全程未发生事故及指定行为的情况下，权重值与学员在评分对应的路段上的平均驾驶速度正相关。
本说明书中的方法通过三维环境图像的方式模拟驾驶环境，能够实现身临其境的驾驶体验，进而能够实现针对学员在完成机动车驾驶培训网络课程之后在实景驾驶中的表现进行评价。也就是说，本说明书评价不仅仅是课程为学员在理论知识方面的培养，还包含理论知识在实践中的转化情况。本说明书中的方法为模拟驾驶规划的驾驶路径包含风险较低的第一路段和风险相对较高的第二路段，两种路段交替排布，一方面能够测试到学员对不同风险程度的路段的适应情况，另一方面也能够测试到学员对不同风险程度的路段之间的切换的应对能力。此外，本说明书中的方法模拟的驾驶路径中还包含第三路段。第三路段是风险更高的路段，能够评价经培训之后针对高风险情况的应对能力，在实际的驾驶环境中，高风险的情况并不常见，在学员在第一路段和第二路段上的驾驶具有较好的表现时，才会触发展示第三路段。若学员在第一路段和第二路段上的表现并不好，则不会触发第三路段。可见，本说明书中的方法针对不同学习程度、对学习掌握的程度不同的学员的学习效果均能够实现较好的评价。
进一步地，本说明书还提供一种网络教学质量评价系统，所述系统包括：
信息获取模块，配置为：在检测到学员登录的情况下，获取所述学员的地理位置信息；
地图模型筛选模块，配置为：从预设的模型管理服务端，获取与所述地理位置信息匹配的地图模型，作为目标模型；
展示模块，配置为：加载所述目标模型，以展示对应于所述地理位置信息的环境图；所述环境图是以所述学员处于所述地理位置信息对应的环境的道路上的指定位置点时，以所述学员处于机动车驾驶位时的视角为基准的三维环境图像；
规划模块，配置为：以所述指定位置点为起点，在所述环境图中规划出用于模拟驾驶的驾驶路径，并以俯视视角进行展示；所述驾驶路径包含首尾相接、交替排布的若干个第一路段和若干个第二路段；所述第一路段用于通过交通指示灯、路标、障碍人物以及障碍物体模拟常规驾驶环境；所述第二路段用于通过设置障碍车辆模拟防御性驾驶环境；
监测模块，配置为：监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，将所述第三路段作为所述驾驶路径上即将进入的下一个路段，并将此前行驶过的路段确定为历史路段；所述第三路段中的至少一个所述障碍车辆以所述指定行为的方式进行驾驶；所述指定行为包含违规行为和风险驾驶行为；
第一评分确定模块，配置为：监测所述学员在所述第三路段上的驾驶行为，得到第一评分；所述第一评分与所述障碍车辆以所述指定行为的方式进行驾驶时，所述学员驾驶的车辆的行驶速度负相关，且与所述学员驾驶的车辆在所述第三路段上的所述指定行为相关；
第二评分确定模块，配置为：基于所述学员在所述历史路段上的驾驶行为，得到第二评分；所述第二评分与所述学员在所述历史路段上驾驶的时长负相关，与所述学员在所述历史路段上的所述指定行为的次数负相关，与所述学员在所述历史路段上的最大匀速驾驶速度和最小匀速驾驶速度的差值负相关，且与所述学员在所述历史路段上行驶的平均速度正相关；
综合评分确定模块，配置为：基于所述第一评分和所述第二评分，得到综合评分；所述综合评分与所述第一评分、所述第二评分均正相关。
该系统能够执行前述任一实施例中的方法，并能够获得相同或相似的技术效果，此处不再赘述。
图2是本申请的一个实施例电子设备的结构示意图。请参考图2，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图2中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成一种网络教学质量评价系统。处理器，执行存储器所存放的程序，并具体用于执行前述任意一种网络教学质量评价方法。
上述如本申请图1所示实施例揭示的一种网络教学质量评价方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable 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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中一种网络教学质量评价方法，并实现图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，执行前述的任意一种网络教学质量评价方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种网络教学质量评价方法，其特征在于，所述方法包括：
在检测到学员登录的情况下，获取所述学员的地理位置信息；
从预设的模型管理服务端，获取与所述地理位置信息匹配的地图模型，作为目标模型；
加载所述目标模型，以展示对应于所述地理位置信息的环境图；所述环境图是以所述学员处于所述地理位置信息对应的环境的道路上的指定位置点时，以所述学员处于机动车驾驶位时的视角为基准的三维环境图像；
以所述指定位置点为起点，在所述环境图中规划出用于模拟驾驶的驾驶路径，并以俯视视角进行展示；所述驾驶路径包含首尾相接、交替排布的若干个第一路段和若干个第二路段；所述第一路段用于通过交通指示灯、路标、障碍人物以及障碍物体模拟常规驾驶环境；所述第二路段用于通过设置障碍车辆模拟防御性驾驶环境；
监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，将所述第三路段作为所述驾驶路径上即将进入的下一个路段，并将此前行驶过的路段确定为历史路段；所述第三路段中的至少一个所述障碍车辆以所述指定行为的方式进行驾驶；所述指定行为包含违规行为和风险驾驶行为；
监测所述学员在所述第三路段上的驾驶行为，得到第一评分；所述第一评分与所述障碍车辆以所述指定行为的方式进行驾驶时，所述学员驾驶的车辆的行驶速度负相关，且与所述学员驾驶的车辆在所述第三路段上的所述指定行为相关；
基于所述学员在所述历史路段上的驾驶行为，得到第二评分；所述第二评分与所述学员在所述历史路段上驾驶的时长负相关，与所述学员在所述历史路段上的所述指定行为的次数负相关，与所述学员在所述历史路段上的最大匀速驾驶速度和最小匀速驾驶速度的差值负相关，且与所述学员在所述历史路段上行驶的平均速度正相关；
基于所述第一评分和所述第二评分，得到综合评分；所述综合评分与所述第一评分、所述第二评分均正相关。
2.如权利要求1所述方法，其特征在于，若在指定时间段内未监测到指定行为，则确定第三路段，包括：
若在所述指定时间段内未监测到所述指定行为、且所述学员驾驶的车辆未发生事故，则确定第三路段。
3.如权利要求1所述方法，其特征在于，所述方法还包括：
所述第三路段还可以是存在至少一所述障碍人物以违规的方式进行运动的路段。
4.如权利要求3所述方法，其特征在于，所述第一评分的最小值为0，所述方法还包括：
若所述第三路段上发生了由所述学员的所述指定行为引起的事故，则将所述第一评分确定为0。
5.如权利要求4所述方法，其特征在于，监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，包括：
在检测到所述学员按照所述驾驶路径的驾驶行为时，开始针对所述指定时间段进行计时；
若监测到所述指定行为，则重新确定指定时间段，以基于重新确定的所述指定时间段进行重新计时；所述重新确定的所述指定时间段的时长不小于上一个所述指定时间段的时长、所述重新确定的所述指定时间段的时长与导致所述重新计时的所述指定行为在历史上的出现次数正相关、且与指定系数正相关；导致所述重新计时的所述指定行为发生在所述第一路段的情况下的所述指定系数，大于导致所述重新计时的所述指定行为发生在所述第二路段的情况下的所述指定系数。
6.如权利要求5所述方法，其特征在于，所述方法还包括：
由所述违规行为导致的所述重新计时的情况下的所述指定系数，大于由所述风险驾驶行为导致的所述重新计时的情况下的所述指定系数。
7.如权利要求1所述方法，其特征在于，所述方法还包括：
所述指定位置点包含以下之一：由辅路汇入主路的位置，由停车位驶入道路的位置。
8.一种网络教学质量评价系统，其特征在于，所述系统包括：
信息获取模块，配置为：在检测到学员登录的情况下，获取所述学员的地理位置信息；
地图模型筛选模块，配置为：从预设的模型管理服务端，获取与所述地理位置信息匹配的地图模型，作为目标模型；
展示模块，配置为：加载所述目标模型，以展示对应于所述地理位置信息的环境图；所述环境图是以所述学员处于所述地理位置信息对应的环境的道路上的指定位置点时，以所述学员处于机动车驾驶位时的视角为基准的三维环境图像；
规划模块，配置为：以所述指定位置点为起点，在所述环境图中规划出用于模拟驾驶的驾驶路径，并以俯视视角进行展示；所述驾驶路径包含首尾相接、交替排布的若干个第一路段和若干个第二路段；所述第一路段用于通过交通指示灯、路标、障碍人物以及障碍物体模拟常规驾驶环境；所述第二路段用于通过设置障碍车辆模拟防御性驾驶环境；
监测模块，配置为：监测所述学员在所述驾驶路径上的驾驶行为，若在指定时间段内未监测到指定行为，则确定第三路段，将所述第三路段作为所述驾驶路径上即将进入的下一个路段，并将此前行驶过的路段确定为历史路段；所述第三路段中的至少一个所述障碍车辆以所述指定行为的方式进行驾驶；所述指定行为包含违规行为和风险驾驶行为；
第一评分确定模块，配置为：监测所述学员在所述第三路段上的驾驶行为，得到第一评分；所述第一评分与所述障碍车辆以所述指定行为的方式进行驾驶时，所述学员驾驶的车辆的行驶速度负相关，且与所述学员驾驶的车辆在所述第三路段上的所述指定行为相关；
第二评分确定模块，配置为：基于所述学员在所述历史路段上的驾驶行为，得到第二评分；所述第二评分与所述学员在所述历史路段上驾驶的时长负相关，与所述学员在所述历史路段上的所述指定行为的次数负相关，与所述学员在所述历史路段上的最大匀速驾驶速度和最小匀速驾驶速度的差值负相关，且与所述学员在所述历史路段上行驶的平均速度正相关；
综合评分确定模块，配置为：基于所述第一评分和所述第二评分，得到综合评分；所述综合评分与所述第一评分、所述第二评分均正相关。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~7之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311179342.XA CN116911697B (zh) | 2023-09-13 | 2023-09-13 | 一种网络教学质量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311179342.XA CN116911697B (zh) | 2023-09-13 | 2023-09-13 | 一种网络教学质量评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116911697A true CN116911697A (zh) | 2023-10-20 |
| CN116911697B CN116911697B (zh) | 2023-11-17 |
Family
ID=88356995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311179342.XA Active CN116911697B (zh) | 2023-09-13 | 2023-09-13 | 一种网络教学质量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116911697B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557157A (zh) * | 2023-11-30 | 2024-02-13 | 中国标准化研究院 | 一种基于卷积神经网络的质量考核评价方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011126379A1 (en) * | 2010-04-04 | 2011-10-13 | Driving Performance Solutions As | A system and method for drivers training |
| CN106548679A (zh) * | 2016-02-03 | 2017-03-29 | 北京易驾佳信息科技有限公司 | 一种智能驾驶训练系统 |
| CN108510844A (zh) * | 2018-04-16 | 2018-09-07 | 中国石油大学(华东) | 一种智能型汽车驾驶教学系统 |
| CN108681825A (zh) * | 2018-05-28 | 2018-10-19 | 深圳市易成自动驾驶技术有限公司 | 驾驶教学与评分方法、设备及计算机可读存储介质 |
| CN108876165A (zh) * | 2018-06-27 | 2018-11-23 | 上海天方夜谭网络科技有限公司 | 一种驾驶员安全监控学习系统 |
| CN108961914A (zh) * | 2018-08-27 | 2018-12-07 | 四川胜驾科技有限公司 | 一种应用于驾校无人驾驶教练车的教学方法 |
| CN114169682A (zh) * | 2021-11-09 | 2022-03-11 | 易显智能科技有限责任公司 | 一种驾驶能力过程性评价方法和系统 |
-
2023
- 2023-09-13 CN CN202311179342.XA patent/CN116911697B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011126379A1 (en) * | 2010-04-04 | 2011-10-13 | Driving Performance Solutions As | A system and method for drivers training |
| CN106548679A (zh) * | 2016-02-03 | 2017-03-29 | 北京易驾佳信息科技有限公司 | 一种智能驾驶训练系统 |
| CN106683521A (zh) * | 2016-02-03 | 2017-05-17 | 北京易驾佳信息科技有限公司 | 一种基于驾驶人操作行为感知的智能驾驶训练系统 |
| CN108510844A (zh) * | 2018-04-16 | 2018-09-07 | 中国石油大学(华东) | 一种智能型汽车驾驶教学系统 |
| CN108681825A (zh) * | 2018-05-28 | 2018-10-19 | 深圳市易成自动驾驶技术有限公司 | 驾驶教学与评分方法、设备及计算机可读存储介质 |
| CN108876165A (zh) * | 2018-06-27 | 2018-11-23 | 上海天方夜谭网络科技有限公司 | 一种驾驶员安全监控学习系统 |
| CN108961914A (zh) * | 2018-08-27 | 2018-12-07 | 四川胜驾科技有限公司 | 一种应用于驾校无人驾驶教练车的教学方法 |
| CN114169682A (zh) * | 2021-11-09 | 2022-03-11 | 易显智能科技有限责任公司 | 一种驾驶能力过程性评价方法和系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557157A (zh) * | 2023-11-30 | 2024-02-13 | 中国标准化研究院 | 一种基于卷积神经网络的质量考核评价方法 |
| CN117557157B (zh) * | 2023-11-30 | 2024-04-05 | 中国标准化研究院 | 一种基于卷积神经网络的质量考核评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116911697B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Scholtes et al. | 6-layer model for a structured description and categorization of urban traffic and environment | |
| US10810900B2 (en) | Online method for training vehicle drivers and determining hazard detection proficiency | |
| Backlund et al. | Games for traffic education: An experimental study of a game-based driving simulator | |
| US10013893B2 (en) | Driver training | |
| CN116911697B (zh) | 一种网络教学质量评价方法 | |
| CN111813650B (zh) | 可视化无人车决策控制仿真测试方法及系统 | |
| de Winter et al. | Violations and errors during simulation-based driver training | |
| Xu et al. | A driving simulation study to investigate the information threshold of graphical variable message signs based on visual perception characteristics of drivers | |
| WO2018232319A1 (en) | Driving simulation scoring system | |
| CN114627717A (zh) | 基于虚拟现实和大数据分析的新手驾驶员培训系统 | |
| Adler et al. | Using interactive simulation to model driver behavior under ATIS | |
| Rodrigues et al. | Beyond fun: an interactive and educational 3D traffic rules game controlled by non-traditional devices | |
| CN114114954A (zh) | 一种无人设备的控制方法及装置 | |
| Bazilinskyy et al. | Eye movements while cycling in GTA V | |
| Qiao et al. | Using driving simulator for advance placement of guide sign design for exits along highways | |
| Kirytopoulos et al. | Employing serious games to increase safety in driving through road tunnels | |
| CN101751805A (zh) | 一种视频驾驶考试练习系统 | |
| Adler et al. | Interactive Simulation for Modeling Dynamic Driver Behavior in Response to ATIS | |
| Ouch et al. | Developing a driving training game on Windows mobile phone using C# and XNA | |
| Kalik et al. | Automotive turing test | |
| Dudakov | Training beginners and experienced drivers using mobile-based virtual and augmented reality | |
| ÇAVUŞOĞLU et al. | The development of a hardware-and software-based simulation platform for the training of driver candidates | |
| Greenshields | Traffic and highway research and how it may be improved | |
| Allen et al. | A human factors study of driver reaction to in-vehicle navigation systems | |
| Hillbrand et al. | TrustVehicle Verification Procedure |
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 |