【技术实现步骤摘要】
本专利技术涉及驾校人机交互领域领域，具体为一种基于ai技术的驾校人机交互系统。
技术介绍
1、随着车辆技术的不断发展,汽车等交通工具逐渐普及,交通事故也随此日趋增多。驾驶员的驾驶素质对交通安全的主要影响因素,例如,驾驶员的驾驶技能、经验、应变能力等。因此对驾驶员进行驾驶培训是非常必要的。目前,对驾驶员的培训方法比较单一,基本是通过在驾校路试场来实现,但是，驾校的教练车和教练员有限，许多学员每次训练都要排队很久，不利于驾驶的培训和推广。
2、虽然相关技术可以通过人机交互系统来对学员进行训练，但现有的人机交互系统存在以下问题：没考虑到不同的学员的培训效果存在差异，同一个学员对不同的培训科目也存在差异，不能根据不同学员每次训练时的每个训练科目的不同完成情况对学员的训练进行质量评估，导致训练的效果大打折扣。
技术实现思路
1、本专利技术的目的在于提供一种基于ai技术的驾校人机交互系统，解决上述技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于ai技术的驾校人机交互系统，所述系统包括：
4、训练方案接收模块，用于学员接收教练制定的驾驶训练内容；
5、驾驶训练内容模拟模块，用于基于ai技术模拟真实的训练场景，为学员提供训练服务；
6、训练数据监测模块，用于按照教练制定的驾驶训练内容对学员的训练过程进行监测，并获得监测数据；
7、分析模块，用于根据监测数据分析获得学员训练质量，并将训练质量反
8、作为本专利技术方案的进一步描述，所述训练数据监测模块的具体过程包括：
9、通过训练方案接收模块向学员展示教练制定的驾驶训练内容；
10、实时监测学员在完成驾驶训练内容时的状态参数；
11、对每位参与训练的学员进行id编号，所述编号依次为：1、2、…、n；
12、对每位学员的每次驾驶训练进行次数编号，所述编号依次为：1、2、…、m；
13、将监测到的每位学员的每次驾驶训练的状态参数存储到对应的id编号对应的次数编号下面，便于实时调取。
14、作为本专利技术方案的进一步描述，所述状态参数包括：
15、一次训练总科目数、一次训练完成的科目数、一次训练中每个科目的完成时长和一次训练中每个科目的完成度。
16、作为本专利技术方案的进一步描述，所述分析模块的具体工作过程包括：
17、实时获取第i位学员的第j次状态参数，所述第i位学员的第j次状态参数为：第i位学员的第j次驾驶训练第p个科目的时长tijp、第i位学员的第j次驾驶训练总科目数qijs、第i位学员的第j次驾驶训练完成的科目数qij、第i位学员的第j次驾驶第p个科目的的完成度cijp，其中，i属于[1，n]，n＞i＞1，j属于[1，m]，m＞j＞1；
18、根据上述参数计算第i位学员的第j次驾驶训练质量系数σij：
19、
20、式中，ts为规定的每次驾驶训练总时长，ρp为第p个科目的难度系数，x为每次驾驶训练的科目数量，t0p为规定的第p个科目的完成时长，c0p为规定的第p个科目完成的完成度；
21、将第i位学员的第j次驾驶训练质量系数σij与规定的驾驶训练质量阈值σ0比较，当将第i位学员的第j次驾驶训练质量系数σij大于驾驶训练质量阈值σ0时，则表明第i位学员的第j次驾驶训练质量合格，否则，说明第i位学员的第j次驾驶训练质量不合格。
22、作为本专利技术方案的进一步描述，所述分析模块的具体工作过程还包括：
23、实时获取第i位学员的每次训练的质量系数，并构建第i位学员的每次训练的质量系数随训练次数的变化函数σi(m)，其中，m取正整数；
24、构建直角坐标系xoy，其中，x轴表示训练次数m，y轴表示每次训练的质量系数σi(m)，将第i位学员的每次训练的质量系数输入直角坐标系xoy拟合第i位学员的每次训练的质量系数随训练次数的变化曲线；
25、通过下式计算第i位学员的完整训练质量系数
26、
27、式中，σ0(m)为预设的标准每次训练的质量系数随训练次数的变化函数；
28、将第i位学员的当前训练完成系数与预设的第i位学员的完整训练质量系数阈值区间比较，
29、当属于时，说明第i位学员训练合格；
30、当小于时，说明第i位学员训练不合格；
31、当大于时，说明第i位学员训练优秀。
32、作为本专利技术方案的进一步描述，所述第i位学员的第j次驾驶第p个科目的的完成度cijp的获得过程包括：
33、实时截取第i位学员的第j次驾驶完成第p个科目时在规定的关键位置点时状态数据，将状态数据输入训练好的完成度计算模型，输出得到第i位学员的第j次驾驶第p个科目的的完成度cijp。
34、作为本专利技术方案的进一步描述，所述完成度计算模型训练时选取部分历史数据生成训练样本集；
35、以卷积神经网络搭建模型，通过训练样本集对模型进行训练；
36、再选取部分历史数据生成验证样本集，最终得到完成度计算模型。
37、作为本专利技术方案的进一步描述，所述系统的工作方法包括如下步骤：
38、步骤s1、对每位参与训练的学员进行id编号，所述编号依次为：1、2、…、n；
39、步骤s2、对每位学员的每次驾驶训练进行次数编号，所述编号依次为：1、2、…、m；
40、步骤s3、实时获取第i位学员的第j次状态参数，其中，i属于[1，n]，n＞i＞1，j属于[1，m]，m＞j＞1；
41、步骤s4、根据步骤s3获取的参数计算第i位学员的第j次驾驶训练质量系数σij；
42、步骤s5、将第i位学员的第j次驾驶训练质量系数σij与规定的驾驶训练质量阈值σ0比较，当将第i位学员的第j次驾驶训练质量系数σij大于驾驶训练质量阈值σ0时，则表明第i位学员的第j次驾驶训练质量合格，否则，说明第i位学员的第j次驾驶训练质量不合格；
43、步骤s6、根据步骤s4获取的质量系数计算第i位学员的完整训练质量系数
44、步骤s7、将第i位学员的当前训练完成系数与预设的第i位学员的完整训练质量系数阈值区间比较，
45、当属于时，说明第i位学员训练合格；
46、当小于时，说明第i位学员训练不合格；
47、当大于时，说明第i位学员训练优秀。
48、本专利技术的有益效果：本专利技术设置了驾驶训练内容模拟模块，用于基于ai技术模拟真实的训练场景，进行人机交互，为学员提供训练服务，然后，通过训练数据监测模块实时获取学员在训练过程中的实时数据，本专利技术还设置了分析模块对学员的每次训练的实时数据进行分析，获得学员每次训练每个科目的训练质量，还对学员的总体训练进行评估，教练可以通过评估结果，在后续的现实场地训练中，对本文档来自技高网...
【技术保护点】
1.一种基于AI技术的驾校人机交互系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于AI技术的驾校人机交互系统，其特征在于，所述训练数据监测模块的具体过程包括：
3.根据权利要求2所述的一种基于AI技术的驾校人机交互系统，其特征在于，所述状态参数包括：
4.根据权利要求2所述的一种基于AI技术的驾校人机交互系统，其特征在于，所述分析模块的具体工作过程包括：
5.根据权利要求4所述的一种基于AI技术的驾校人机交互系统，其特征在于，所述分析模块的具体工作过程还包括：
6.根据权利要求4所述的一种基于AI技术的驾校人机交互系统，其特征在于，所述第i位学员的第j次驾驶第p个科目的的完成度Cijp的获得过程包括：
7.根据权利要求6所述的一种基于AI技术的驾校人机交互系统，其特征在于，所述完成度计算模型训练时选取部分历史数据生成训练样本集；
8.根据权利要求1-7任一所述的基于AI技术的驾校人机交互系统，其特征在于，所述系统的工作方法包括如下步骤：
【技术特征摘要】
1.一种基于ai技术的驾校人机交互系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于ai技术的驾校人机交互系统，其特征在于，所述训练数据监测模块的具体过程包括：
3.根据权利要求2所述的一种基于ai技术的驾校人机交互系统，其特征在于，所述状态参数包括：
4.根据权利要求2所述的一种基于ai技术的驾校人机交互系统，其特征在于，所述分析模块的具体工作过程包括：
5.根据权利要求4所述的一种基于ai技术的驾校人机交...
【专利技术属性】
技术研发人员：杨蔚华，陈永鑫，梁钰莹，
申请(专利权)人：广州市立秋电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。