CN116129704A - 驾驶模拟训练方法、电子设备及存储介质 - Google Patents
驾驶模拟训练方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116129704A CN116129704A CN202211668700.9A CN202211668700A CN116129704A CN 116129704 A CN116129704 A CN 116129704A CN 202211668700 A CN202211668700 A CN 202211668700A CN 116129704 A CN116129704 A CN 116129704A
- Authority
- CN
- China
- Prior art keywords
- target
- value
- correction
- parameter
- environmental
- 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
- 238000012549 training Methods 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004088 simulation Methods 0.000 title claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 160
- 238000012937 correction Methods 0.000 claims abstract description 148
- 230000007613 environmental effect Effects 0.000 claims description 104
- 208000002173 dizziness Diseases 0.000 claims description 39
- 230000003238 somatosensory effect Effects 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 5
- 230000002996 emotional effect Effects 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000033001 locomotion Effects 0.000 description 23
- 230000000694 effects Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 230000035790 physiological processes and functions Effects 0.000 description 4
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 3
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及计算机技术领域，提供了一种驾驶模拟训练方法，包括：获取目标训练模式和训练者的生理参数；确定目标训练模式是否接受生理参数修正；在确定出接受生理参数修正的情况下，基于目标训练模式对应的参数修正方式对生理参数进行修正，得到目标生理参数；基于预设的异常条件确定目标生理参数是否异常；在确定出目标生理参数异常的情况下，输出目标生理参数对应的异常提示信息。可以解决驾驶模拟训练效率低的问题，由于生理参数可以反映情绪波动情况，在目标生理参数异常的情况下，输出生理参数异常对应的提示信息，可以在生理参数异常时提示训练者调整训练状态，从而可以提高驾驶模拟训练的效率。此外，还提供了电子设备及存储介质。
Description
技术领域
本申请涉及计算机技术领域，尤其是涉及一种驾驶模拟训练方法、电子设备及存储介质。
背景技术
随着科学技术的不断发展，各种培训系统都逐渐实现了平台化、智能化，在驾考培训行业中，也引入了驾驶模拟训练设备对以对训练者的驾驶技能进行训练。
相关技术中，驾驶模拟训练设备可以根据当前训练模式生成训练内容，并通过虚拟现实技术(Virtual Reality，VR)和动感座椅模拟实际的驾驶场景，从而达到驾驶训练的效果。
然而，发明人在研究过程中发现，虽然相关技术中的驾驶模拟训练设备能很好的模拟实际的驾驶场景，但由于在训练过程中训练者的情绪会存在波动，而在情绪异常的情况下进行训练会影响训练效果，进而导致驾驶模拟训练效率低的问题。
发明内容
为了有助于改善驾驶模拟训练效率低的问题，本申请提供了一种驾驶模拟训练方法、电子设备及存储介质。
第一方面，本申请提供一种驾驶模拟训练方法，采用如下的技术方案：
一种驾驶模拟训练方法，用于驾驶模拟训练系统中，所述方法包括：
获取目标训练模式和训练者的生理参数；
确定所述目标训练模式是否接受生理参数修正；
在确定出接受生理参数修正的情况下，基于所述目标训练模式对应的参数修正方式对所述生理参数进行修正，得到目标生理参数；
基于预设的异常条件确定所述目标生理参数是否异常；
在确定出所述目标生理参数异常的情况下，输出所述目标生理参数对应的异常提示信息。
通过采用上述技术方案，可以解决训练过程中训练者的情绪波动影响训练效果导致的驾驶模拟训练效率低的问题，由于生理参数可以反映情绪波动情况，因此基于训练者的生理参数确定目标生理参数，并基于预设的异常条件确定目标生理参数是否异常，在目标生理参数异常的情况下，输出生理参数异常对应的提示信息，可以在生理参数异常时提示训练者调整训练状态，从而可以有助于减小情绪波动对训练效果的影响，进而可以有助于提高驾驶模拟训练的效率。
进一步的，由于在确定出目标训练模式接受生理参数修正的情况下，基于目标训练模式对应的修正方式对生理参数进行修正，如此可以针对不同目标训练模式设置对应的生理参数处理方式，从而使得目标生理参数是否异常的判断结果与训练模式相匹配，如此可以进一步提高异常判断的准确性，从而有助于提高驾驶模训练的效率。
可选的，所述确定所述目标训练模式是否接受生理参数修正，包括：
确定所述目标训练模式是否接受环境修正；
在所述目标训练模式接受环境修正的情况下，确定环境参数是否大于或等于预设的环境修正阈值；
在所述环境参数大于或等于所述环境修正阈值的情况下，确定对所述生理参数进行修正。
通过采用上述技术方案，可以在环境参数大于对应的环境参数阈值的情况下，才确定对生理参数进行修正，可以减少非必要的修正，从而避免对生理参数频繁进行修正导致耗费时间长的问题，提高判断的速度。
可选的，所述环境参数包括噪音值，所述环境修正阈值包括噪音修正阈值，所述生理参数包括压力值；所述在所述环境参数大于或等于所述环境修正阈值的情况下，确定对所述生理参数进行修正，包括：
在所述噪音值大于或等于所述噪音修正阈值的情况下，确定所述压力值的波动值是否大于或等于预设的压力波动阈值；
在所述压力值的波动值大于或等于所述压力波动阈值的情况下，确定不基于所述噪音值对所述压力值进行修正。
通过采用上述技术方案，由于在压力值的波动值大于或等于压力波动阈值的情况下，不基于噪音值对压力值进行修正，如此可以在训练者为压力值上升敏感人群时及时对压力值上升进行处理，从而可以有助于保障训练的正常进行。
可选的，所述修正参数包括环境参数，所述生理参数包括压力值和/或眩晕值；所述基于修正参数对所述生理参数进行修正，得到目标生理参数，包括：
基于所述环境参数对压力值进行修正，得到目标压力值；
和/或，
基于所述环境参数对眩晕值进行修正，得到目标眩晕值。
通过采用上述技术方案，由于在环境因素改变的情况下会导致压力值和眩晕值变化，此时判断结果会受环境因素影响，而基于环境参数对压力值和/或眩晕值进行修正得到目标压力值和/目标眩晕值，可以减小环境因素对目标压力值和/目标眩晕值的影响，从而可以减小环境因素对判断结果的影响。
可选的，所述修正参数包括体感参数，所述生理参数包括疲劳值和/或压力值；所述基于修正参数对所述生理参数进行修正，得到目标生理参数，包括：
基于所述体感参数对疲劳值进行修正，得到目标疲劳值；
和/或，
基于所述体感参数对压力值进行修正，得到目标压力值。
通过采用上述技术方案，由于在训练过程中训练者的体态可能会发生变化，而体态的变化会导致疲劳值和压力值的变化，此时判断结果会受体态的影响，而基于体感参数对疲劳值和/或压力值进行修正得到目标疲劳值和/目标压力值，可以减小体态变化对目标疲劳值和/目标压力值的影响，从而可以减小体态对判断结果的影响。
可选的，所述目标训练模式包括理论基础训练模式、驾驶操作训练模式或者安全教育训练模式；对所述生理参数进行修正的方式包括体感修正和环境修正；
所述理论基础训练模式接受所述环境修正，不接受所述体感修正；
所述驾驶操作训练模式接受所述环境修正，接受所述体感修正；
所述安全教育训练模式不接受所述环境修正，不接受所述体感修正。
通过采用上述技术方案，由于基于不同训练模式的训练目的设置不同训练模式对应的生理信息修正方式，如此可以使得确定出的目标生理信息更加贴近不同模式下的判断需求，从而可以提高不同模式下判断的准确性，进而可以提高驾驶模拟训练的效率。
可选的，所述方法还包括：
在确定出所述目标生理参数正常的情况下，返回执行获取训练者生理参数的步骤。
通过采用上述技术方案，由于在生理参数正常的情况下，继续获取目标生理信息以对训练者的生理状态进行监测，因此可以在训练过程中持续对训练者的生理状态进行监测，如此可以有助于进一步提高训练效率。
可选的，所述基于预设的异常条件确定所述目标生理参数是否异常，包括：
基于所述目标训练模式对应的异常条件确定所述目标生理参数是否异常。
通过采用上述技术方案，由于基于目标训练模式对应的异常条件和目标生理参数进行判断，可以使得异常确定结果与目标训练模式的实际训练需求相匹配，从而可以有助于实现精准判断。
第二方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行第一方面提供的任一种驾驶模拟训练方法。
第三方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行第一方面提供的任一种驾驶模拟训练方法。
综上所述，本申请包括以下至少一种有益技术效果：
1.由于生理参数可以反映情绪波动情况，因此基于训练者的生理参数确定目标生理参数，并基于预设的异常条件确定目标生理参数是否异常，在目标生理参数异常的情况下，输出生理参数异常对应的提示信息，可以在生理参数异常时提示训练者调整训练状态，从而可以有助于减小情绪波动对训练效果的影响，进而可以有助于提高驾驶模拟训练的效率；
2.由于在确定出目标训练模式接受生理参数修正的情况下，基于目标训练模式对应的修正方式对生理参数进行修正，如此可以针对不同目标训练模式设置对应的生理参数处理方式，从而使得目标生理参数是否异常的判断结果与训练模式相匹配，如此可以进一步提高异常判断的准确性，从而有助于提高驾驶模训练的效率。
附图说明
图1是本申请实施例提供的一种驾驶模拟训练方法的流程示意图；
图2是本申请实施例提供的另一种驾驶模拟训练方法的流程示意图；
图3是本申请实施例提供的又一种驾驶模拟训练方法的流程示意图；
图4是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-4及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例提供一种驾驶模拟训练方法，用于驾驶模拟训练系统中，本实施例以驾驶模拟训练系统运行在电子设备为例进行说明，电子设备可以为驾驶模拟训练设备的控制器，或者也可以为与模拟驾驶设备的控制器相连的其它控制终端、服务器等，本实施例不对电子设备的类型作限定。参考图1，驾驶模拟训练方法包括以下步骤：
步骤101，获取目标训练模式和训练者的生理参数。
其中，目标训练模式，是指：驾驶模拟训练系统当前运行的训练模式。
生理参数，是指：生命体征相关信息。具体的，生理参数包括心率、呼吸频率、疲劳值、压力值、眩晕值和病症分析等信息中的至少一种信息，本实施例不对生理参数的类型作限定。在一个示例中，生理参数通过训练者佩戴的可采集生理信息的采集设备采集，采集设备与电子设备信号相连；采集设备可以为可穿戴设备，比如：智能头盔、智能手环等设备，本实施例不对生理采集设备的类型作限定。
可选的，步骤101可以在驾驶模拟训练过程中执行，或者也可以在驾驶模拟训练开始之前执行，或者还可以响应于信息获取指令执行，本实施例不对步骤101的执行作限定。
在一个示例中，驾驶模拟系统提供理论基础训练模式、驾驶操作训练模式和安全教育训练模式三种训练模式；
其中，理论基础训练模式包括以下几种内容中的至少一种：第一种、交通法律法规以及交通信号的学习；第二种、车辆相关知识的学习,比如：车辆结构、原理和/或维护等知识的学习；第三种、车辆操作介绍和模拟器操作介绍；第四种、基础驾驶操作的学习，比如：方向盘操作、档位操作、离合油门刹车操作、起步停车和/或直线行驶等知识的学习。
驾驶操作训练模式包括以下几种内容中的至少一种：第一种、场地相关训练，比如：侧方停车、倒车入库、直角转弯、曲线行驶、坡道起步与停车和/或绕桩等科目的训练；第二种、道路驾驶训练,比如：跟车行驶、车道变更、掉头、会车、通过区域、超车、加减档等科目的训练。
安全教育训练模式包括以下几种内容中的至少一种：第一种、安全文明驾驶知识的学习；第二种、恶劣条件行驶知识的信息；第三种、应急情况处置知识的学习。
在实际实现时，驾驶模拟系统还可以包括其它训练模式，本实施例不对驾驶模式系统包括的训练模式类型作限定。
可选的，目标训练模式可以是训练者自行选择的，或者也可以是系统基于训练者对应的训练计划指派的，或者还可以是教练指派的，本实施例训练模式的确定的方式作限定。
可选的，获取训练者的生理参数，包括：电子设备基于与训练者连接的生理信息采集设备之间的通信连接获取生理参数。
其中，电子设备与生理信息采集设备之间的通信连接可以是基于有线的方式建立的，或者也可以是基于无线的方式建立的，本实施例对此不作限定。
步骤102，确定目标训练模式是否接受生理参数修正。
在确定出接受生理参数修正的情况下，执行步骤103；本实施例中，在确定出不接受生理参数修正的情况下，可以直接将生理参数确定为目标生理参数，执行步骤104，在实际实现时，在确定出不接受生理参数修正的情况下，也可以执行其它步骤以确定目标生理参数，然后执行步骤104，本实施例对此不作限定。
可选的，生理参数修正包括环境修正和体感修正。
其中，环境修正，是指：基于环境参数对生理参数进行修正。具体的，环境参数包括环境温度、噪音值等与环境相关的参数中的至少一种参数，本实施例不对环境参数的类型作限定。环境参数通过与电子设备信号相连的环境传感器采集，环境传感器可以为温度传感器、声音传感器等可以采集环境参数的传感器，本实施例不对环境传感类型作限定。环境传感器可以安装在驾驶模式训练设备上，或者也可以设置在其它靠近驾驶模拟训练设备的位置，本实施例不对环境传感器的设置位置作限定。
在一个示例中，环境参数包括环境温度和噪音值，相应的，环境传感器包括温度传感器和声音传感器。
体感修正，是指：基于体感参数对生理参数进行修正。具体的，体感参数包括驾驶模拟训练设备的运动平台的倾斜角度等参数中的至少一种，本实施例不对体感修正参数的类型作限定。
在一个示例中，运动平台为驾驶模拟训练设备的座舱，在训练过程中，训练者坐在驾驶模拟训练设备的座舱内，座舱可以带动训练者的身体运动，以模拟实际的驾驶场景。
本实施例中，不同训练模式能接受的生理参数修正方式存在差异。
在一个示例中，理论基础训练模式接受环境修正，不接受体感修正。由于理论基础训练模式中，驾驶模拟训练设备的运动平台的运动较少，且需要训练者认真学习，因此不接受体感修正可以对训练者的体感变化做出正确的反馈。
驾驶操作训练模式接受环境修正，接受体感修正。由于驾驶操作训练模式中，驾驶模拟训练设备的运动平台的运动较多，因此通过体感修正可以减小训练过程中运动平台的倾斜对目标生理参数的影响，提高用于判断的目标生理参数的准确性。
安全教育训练模式不接受环境修正，不接受体感修正。由于安全教育训练模式下运动平台运动较多，且教学内容会有较多环境突变容易引起训练者情绪以及生命体征的变化，且此部分的学习主要需要训练者更多的了解驾驶中的情形，从而理解文明驾驶的一样，因此不接受体感修正和环境修正可以让训练者准确认知到自己的生理信息，如此可以提高训练者训练的效果。
上述技术方案中，由于基于不同训练模式的训练目的设置不同训练模式对应的生理信息修正方式，如此可以使得确定出的目标生理信息更加贴近不同模式下的判断需求，从而可以提高不同模式下判断的准确性，进而可以提高驾驶模拟训练的效率。
在实际实现时，也可以根据实际需要为各训练模式设置其它的生理信息修正方式，本实施例不对训练模式对应的生理信息修正方式作限定。
在一个示例中，确定目标训练模式是否接受生理参数修正，包括：确定目标训练模式是否接受环境修正；在目标训练模式接受环境修正的情况下，确定对生理参数进行修正；确定目标训练模式是否接受体感修正，在目标训练模式接受体感修正的情况下，确定对生理参数进行修正；在目标训练模式不接受体感修正和环境修正的情况下，确定不对生理参数进行修正。
上述示例中，可以同时判断目标训练模式是否接受环境修正和体感修正，或者也可以先判断是否接受环境修正再判断是否接受体感修正，或者还可以先判断是否接受体感修正再判断是否接受环境修正，本实施例不对是否接受环境修正与是否接受体感修正的判断顺序作限定。
步骤103，在确定出接受生理参数修正的情况下，基于目标训练模式对应的修正参数对生理参数进行修正，得到目标生理参数。
其中，目标训练模式对应的修正参数与目标训练模式接受的修正方式对应，即在目标训练模式接受环境修正的情况下，目标训练模式对应的修正参数包括环境参数；在目标训练模式接受体感修正的情况下，目标训练模式对应的修正参数包括体感参数。
可选的，环境参数可以是电子设备基于与环境传感器之间的信号连接获取环境传感器采集环境参数的，或者也可以是与电子设备信号连接的其它设备向电子设备发送的，本实施例不对环境参数的获取方式作限定。
可选的，体感参数可以是可以电子设备基于与运动平台之间的信号获取的，或者也可以是电子设备基于运动平台的控制参数确定的，本实施例不对体感参数的获取方式作限定。
可选的，基于目标训练模式对应的修正参数对生理参数进行修正，得到目标生理参数包括以下几种情况：
第一种，修正参数包括环境参数，生理参数包括压力值，此时基于修正参数对生理参数进行修正，得到目标生理参数，包括：基于环境参数对压力值进行修正，得到目标压力值。
可选的，环境参数包括噪声值，基于环境参数对压力值进行修正，得到目标压力值，包括：基于噪声对压力值进行修正，得到目标压力值。
由于当环境声较大时,将训练者的注意力不集中,从而导致压力值上升,因此结合噪声值对压力值进行修正得到目标压力值，可以减小噪声对目标压力值的影响，从而可以减小噪声值对判断结果的影响。
在一个示例中，基于噪声对压力值进行修正，得到目标压力值，通过下式表示：
其中，F为目标压力值；F’为调整前的压力值；N为噪音值；
为每分钟压力与上一分钟的压力相比的波动值；n为预设的噪音修正阈值，比如：60；Kf1为预先的第一压力值修正系数，比如：10；m为预设的压力波动幅度阈值，比如：10。
上述技术方案中，在每分钟的压力与上一分钟的压力相比的波动值大于预设的压力波动幅度阈值的情况下，将目标压力值确定为调整前的压力值。如此，可以在训练者为压力值上升敏感人群时及时对压力值上升进行处理，比如：发出提示信息、停止训练等，从而可以有助于保障训练的正常进行。
第二种，修正参数包括环境参数，生理参数包括眩晕值，此时基于修正参数对生理参数进行修正，得到目标生理参数，包括：基于环境参数对眩晕值进行修正，得到目标眩晕值。
可选的，环境参数包括环境温度，基于环境参数对压力值进行修正，得到目标压力值，包括：基于环境温度对眩晕值进行修正，得到目标眩晕值。
由于环境温度升高时容易导致训练者眩晕，因此结合温度对眩晕值进行修正得到目标眩晕值，可以减小温度对目标眩晕值的影响，从而可以减小温度对判断结果的影响。
在一个示例中，基于环境温度对眩晕值进行修正，得到目标眩晕值，通过下式表示：
其中，V为目标压力值；V’为调整前的压力值；Ta为温度值；t为预设的温度修正阈值，比如：26；Kv为预先设置的眩晕值修正系数，比如：3。
第三种，修正参数包括体感参数，生理参数包括疲劳值，此时基于修正参数对生理参数进行修正，得到目标生理参数，包括：基于体感参数对疲劳值进行修正，得到目标疲劳值。
可选的，体感参数包括运动平台的倾斜角度，基于体感参数对疲劳值进行修正，得到目标疲劳值，包括：基于运动平台的倾斜角度对疲劳值进行修正，得到目标疲劳值。
由于当运动平台处于较大的倾斜角度时，对训练者的有一定的提神作用，因此结合运动平台的倾斜角度对疲劳值进行修正，可以减小倾斜对目标疲劳值的影响，从而可以减小倾斜角度对判断结果的影响。
在一个示例中，基于体感参数对疲劳值进行修正，得到目标疲劳值，通过下式表示：
P＝P’+max(|Dx|,|Dy|,|Dz|)×Kp
其中，P为目标疲劳值；P’为调整前的疲劳值；Dx为运动平台在X方向上的倾斜角度；Dy为运动平台在Y方向上的倾斜角度；Dz为运动平台在Z方向上的倾斜角度；max(|Dx|,|Dy|,|Dz|)为运动平台在X、Y、Z三个方向上的倾斜角度的绝对值的最大值；Kp为预先设置的疲劳值修正系数，比如：1。
第四种，修正参数包括体感参数，生理值包括压力值，此时基于修正参数对生理参数进行修正，得到目标生理参数，包括：基于体感参数对压力值进行修正，得到目标压力值。
由于当运动平台处于较大的倾斜角度时会给训练者增大一定的压力，因此结合运动平台的倾斜角度对压力值进行修正，可以减小倾斜对目标压力值的影响，从而可以减小倾斜角度对判断结果的影响。
在一个示例中，基于体感参数对压力值进行修正，得到目标压力值，通过下式表示：
F＝F’-max(|Dx|,|Dy|,|Dz|)×Kf2
其中，F为目标压力值；F’为调整前的压力值；Dx为运动平台在X方向上的倾斜角度；Dy为运动平台在Y方向上的倾斜角度；Dz为运动平台在Z方向上的倾斜角度；max(|Dx|,|Dy|,|Dz|)为运动平台在X、Y、Z三个方向上的倾斜角度的绝对值的最大值；Kf2为预先设置的第二压力值修正系数，比如：0.7。
在实际实现时，也可以其它修正参数和/或其它修正方式对生理参数进行修正得到目标生理参数，本实施例不对基于修正参数对生理参数进行修正的方式作限定。
需要补充说明的是，步骤103中对生理参数的修正仅用于步骤104中的判断，对生理参数的真实值不作影响。
步骤104，基于预设的异常条件确定目标生理参数是否异常。
其中，异常条件根据实际情况预先设定。
在确定出目标生理参数异常的情况下，执行步骤105。可选的，在确定出目标生理参数正常的情况下，返回执行获取训练者生理参数的步骤，即返回执行步骤101。
上述技术方案中，由于在生理参数正常的情况下，继续获取目标生理信息以对训练者的生理状态进行监测，因此可以在训练过程中持续对训练者的生理状态进行监测，如此可以有助于进一步提高训练效率。
在一个示例中，基于预设的异常条件确定目标生理参数是否异常的方式包括以下几种：
第一种，基于目标生理参数的平均值确定目标生理参数是否异常。具体的，目标生理参数的平均值可以为5分钟内的目标生理参数的平均值，或者也可以为30分钟内的目标生理参数的平均值，或者还可以为全部目标生理参数的平均值，本实施例不对平均值的计算方式作限定。
第二种，基于目标生理参数的波动值确定目标生理参数是否异常。具体的，目标生理参数的波动值可以为当前目标生理参数值与1分钟前的目标生理参数值相比的波动值，或者也可以为当前目标生理参数值与30分钟前的目标生理参数值相比的波动值，或者还可以为当前目标生理参数值与初始时间的目标生理参数相比的波动值，或者还可以为与上一分钟获取的目标生理参数的平均值相比的波动值，本实施例不对波动值的计算方式作限定。
在实际实现时，也可以采用其它方式确定目标生理参数是否异常，比如：直接基于目标生理参数的数值确定目标生理参数是否异常，本实施例对此不作限定。
可选的，预设的异常条件的类型包括：提示训练者注意、提示训练者休息和提示终止训练。
可选的，提示训练者注意的情况包括以下几种：
第一种，在目标疲劳值的平均值满足预设的第一疲劳值异常条件的情况下，确定目标疲劳值异常，提示训练者集中注意力。
在一个示例中，第一疲劳值异常条件通过下式表示：
其中，
为5分钟内的目标疲劳值的平均值；p1与p2均为预设定值，且p1小于p2，比如：p1为50，p2为70。
第二种，在目标压力值的平均值满足预设的第一压力值异常条件的情况下，确定目标压力值异常，提示训练者放松心态。
在一个示例中，第一压力值异常条件通过下式表示：
其中，
为5分钟内的目标压力值的平均值；f1与f2均为预设定值，且f1小于f2，比如：f1为50，f2为70。
第三种，在目标压力值的波动值满足预设的第二压力值异常条件的情况下，确定目标压力值异常，提示训练者放松心态。
在一个示例中，第二压力值异常条件通过下式表示：
f1≥ΔFn-1+ΔFn-5>f3
其中，ΔFn-1为当前的目标压力值与1分钟前的目标压力值相比的波动值；ΔFn-5为当前的目标压力值与5分钟前的目标压力值相比的波动值；f3与f1均为预设定值，且f3小于f1，比如：f3为30，f1为50。
在实际实现时，还可以在其它情况下提示训练者注意，本实施例提示训练者注意的情况不作限定。
可选的，提示训练者休息的情况包括以下几种：
第一种，在目标疲劳值的平均值满足预设的第二疲劳值异常条件的情况下，确定目标疲劳值异常，提示训练者休息。
在一个示例中，第二疲劳值异常条件通过下式表示：
其中，Age为训练者的年龄；y为预先设置的年龄阈值，比如：35；
为5分钟内的目标疲劳值的平均值；p2与p3均为预设定值，且p2小于p3，比如：p2为70，p3为90。
第二种，在目标压力值的平均值满足预设的第三压力值异常条件的情况下，确定目标压力值异常，提示训练者训练者休息并放松心态。
在一个示例中，第三压力值异常条件通过下式表示：
其中，Age为训练者的年龄；y为预先设置的年龄阈值，比如：35；
为5分钟内的目标压力值的平均值；f2与f4均为预设定值，且f2小于f4，比如：f2为70，f4为90。
可选的，训练者基础信息预先存储在电子设备中。在一个示例中，训练者基础信息包括训练者年龄。
第三种，在目标眩晕值的平均值满足预设的第一眩晕值异常条件的情况下，确定目标眩晕值异常，提示训练者训练者休息并放松眼睛。
在一个示例中，第一眩晕值异常条件通过下式表示：
其中，Age为训练者的年龄；y为预先设置的年龄阈值，比如：35；
为5分钟内的目标眩晕值的平均值；v1与v2均为预设定值，且v1小于v2，比如：v1为70，v2为90。
第四种，在目标压力值的波动值满足预设的第四压力值异常条件的情况下，确定目标压力值异常，提示训练者放松心态。
在一个示例中，第四压力值异常条件通过下式表示：
f4≥ΔFn-1+ΔFn-5>f1
其中，ΔFn-1为当前的目标压力值与1分钟前的目标压力值相比的波动值；ΔFn-5为当前的目标压力值与5分钟前的目标压力值相比的波动值；f1与f4均为预设定值，且f1小于f4，比如：f1为50，f4为90。
在实际实现时，还可以在其它情况下提示训练者休息，本实施例提示训练者注意的情况不作限定。
可选的，提示终止训练的情况包括以下几种：
第一种，在目标疲劳值的平均值满足预设的第三疲劳值异常条件的情况下，确定目标疲劳值异常，此时学员需要休息，不适合训练，因此提示终止训练。
在一个示例中，第三疲劳值异常条件通过下式表示：
其中，Age为训练者的年龄；y为预先设置的年龄阈值，比如：35；
为5分钟内的目标疲劳值的平均值；p2与p3均为预设定值，且p2小于p3，比如：p2为70，p3为90。
第二种，在目标压力值的平均值满足预设的第五压力值异常条件的情况下，确定目标压力值异常，此时学员压力过大，不适合训练，因此提示终止训练。
在一个示例中，第五压力值异常条件通过下式表示：
其中，Age为训练者的年龄；y为预先设置的年龄阈值，比如：35；
为5分钟内的目标压力值的平均值；f2与f4均为预设定值，且f2小于f5，比如：f2为70，f4为90。
第三种，在目标眩晕值的平均值满足预设的第二眩晕值异常条件的情况下，确定目标眩晕值异常，此时学员眩晕程度过大，不适合训练，因此提示终止训练。
第四种，在目标压力值的波动值满足预设的第六压力值异常条件的情况下，确定目标压力值异常，此时学员压力变化过大,继续训练可能有风险，因此提示终止训练。
在一个示例中，第六压力值异常条件通过下式表示：
ΔFn-1>f1
其中，ΔFn-1为当前的目标压力值与1分钟前的目标压力值相比的波动值；f1为预设定值，比如：f1为50。
第五种，在疲劳值的波动值满足预设的第四疲劳值异常条件的情况下，确定疲劳值异常，此时继续训练可能有风险，因此提示终止训练。
在一个示例中，第四疲劳值异常条件通过下式表示：
ΔPn-1>p1
其中，ΔPn-1为当前的目标疲劳值与1分钟前的目标疲劳值相比的波动值；p1为预设定值，比如：p1为50。
第六种，在心率值的波动值满足预设的心率异常条件的情况下，确定心率值异常，此时继续训练可能有风险，因此提示终止训练。
在一个示例中，心率值异常条件通过下式表示：
其中，ΔHrn-1为当前的心率值与1分钟前的心率值相比的波动值；h1和h2为预设定值，且h1大于h2，比如：h1为40，h2为20。
在一个示例中，训练者基础信息还包括训练者有无心脏患病。
在实际实现时，还可以在其它情况下提示终止训练，本实施例提示训练者注意的情况不作限定。
可选的，基于预设的异常条件确定目标生理参数是否异常，包括：基于训练模式对应的异常条件确定目标生理参数是否异常。
其中，不同目标训练模式对应的异常条件的类型相同或不同。
由于不同训练模式的训练内容、训练强度和期望达到的训练效果存在差异，这就会导致不同目标训练模式的异常情况也存在差异，因此基于目标训练模式对应的异常条件和目标生理参数进行判断，可以使得异常确定结果与目标训练模式的实际训练需求相匹配，从而可以有助于实现精准判断。
在一个示例中，理论基础训练模式对应的异常条件包括：上述用于提示训练者注意的第一疲劳值异常条件、第一压力值异常条件和第二压力值异常条件；以及用于提示训练者休息的第二疲劳值异常条件、第三压力值异常条件和第四压力值异常条件；以及用于提示终止训练的第三疲劳值异常条件、第五压力值异常条件、第六压力值异常条件、第四疲劳值异常条件和心率值异常条件。由于理论基础训练模式中，驾驶模拟训练设备的运动平台的运动较少，训练者一般不会出现眩晕的状态，因此理论基础训练模式中不需要基于眩晕值确定是否异常。
驾驶操作训练模式对应的异常条件包括：上述用于提示训练者注意的第一疲劳值异常条件、第一压力值异常条件和第二压力值异常条件；以及用于提示训练者休息的第二疲劳值异常条件、第三压力值异常条件、第一眩晕值异常条件和第四压力值异常条件；以及用于提示终止训练的第三疲劳值异常条件、第五压力值异常条件、第二眩晕值异常条件、第六压力值异常条件、第四疲劳值异常条件和心率值异常条件。由于驾驶操作训练模式中，驾驶模拟训练设备的运动平台的运动较多，训练者可能会出现各种原因导致的状态异常，因此驾驶操作训练模式需要对异常状态进行全面监控。
安全教育训练模式对应的异常条件包括：上述用于用于提示训练者休息的第一眩晕值异常条件以及用于提示终止训练的第三疲劳值异常条件、第五压力值异常条件、第二眩晕值异常条件、第六压力值异常条件、第四疲劳值异常条件和心率值异常条件。由于安全教育训练模式旨在让训练者认知到遇到危险情况时自己的生理体征变化，因此安全教育训练模式仅需对严重的异常状态进行监控。
在实际实现时，也可以以其它方式确定用于判断的异常条件，比如：基于训练者的基础信息确定用于判断的异常条件，或者还可以直接使用预设的预设条件进行判断，本实施例不对用于判断的异常条件的类型作限定。
步骤105，在确定出目标生理参数异常的情况下，输出目标生理参数对应的异常提示信息。
可选的，输出目标生理参数对应的异常提示信息的方式可以包括在驾驶模拟训练设备的显示界面输出异常提示信息；或者也可以包括向训练者佩戴的VR设备发送异常提示信息，以供VR设备输出；或者还可以包括向教练终端发送异常提示信息，以将异常提示信息同步至教练，本实施例不对输出异常提示信息的方式作限定。
其中，教练终端为教练使用的终端，比如：手机、电脑等设备，本实施例不对教练终端的类型作限定。
可选的，异常提示信息包括：提示训练者注意、提示训练者休息和提示终止训练。
相应的，输出目标生理参数对应的异常提示信息，包括：在目标生理参数满足提示训练者注意的条件的情况下，输出提示训练者注意的信息；在目标生理参数满足提示训练者休息的条件的情况下，输出提示训练者休息的信息；在目标生理参数满足提示终止训练的条件的情况下，输出提示终止训练的信息。
在一个示例中，在输出目标生理参数异常对应的异常提示信息，包括：在目标生理参数满足提示训练者休息和/或提示终止训练的条件的情况下，向教练终端发送目标生理参数异常对应的异常提示信息。如此，可以在训练者生理异常情况较为紧急时，及时通知教练介入教学，从而可以提高训练的效率。
可选的，在确定出目标生理参数异常的情况下，还包括：在目标生理参数满足提示训练者注意的条件的情况下，返回执行获取训练者生理参数的步骤，即步骤101；在目标生理参数满足提示训练者休息的情况下，控制驾驶模拟训练设备中断训练；在目标生理参数满足提示终止训练的情况下，控制驾驶模拟训练设备终止训练。如此，可以针对不同的异常提示信息自动执行对应的步骤，从而可以保障训练过程的安全性。
本实施例提供的驾驶模拟训练方法的实施原理为：获取目标训练模式和训练者的生理参数；确定目标训练模式是否接受生理参数修正；在确定出接受生理参数修正的情况下，基于目标训练模式对应的参数修正方式对生理参数进行修正，得到目标生理参数；基于预设的异常条件确定目标生理参数是否异常；在确定出目标生理参数异常的情况下，输出目标生理参数对应的异常提示信息；可以解决训练过程中训练者的情绪波动影响训练效果导致的驾驶模拟训练效率低的问题，由于生理参数可以反映情绪波动情况，因此基于训练者的生理参数确定目标生理参数，并基于预设的异常条件确定目标生理参数是否异常，在目标生理参数异常的情况下，输出生理参数异常对应的提示信息，可以有助于在生理参数异常时提示训练者及时调整训练状态，从而可以有助于减小情绪波动对训练效果的影响，进而可以有助于提高驾驶模拟训练的效率。
进一步的，由于在确定出目标训练模式接受生理参数修正的情况下，基于目标训练模式对应的修正方式对生理参数进行修正，如此可以针对不同目标训练模式设置对应的生理参数处理方式，从而使得目标生理参数是否异常的判断结果与训练模式相匹配，如此可以进一步提高异常判断的准确性，从而有助于提高驾驶模训练的效率。
基于上述技术方案，可选的，参考图2，步骤102确定目标训练模式是否接受生理参数修正，包括以下步骤：
步骤201，确定目标训练模式是否接受环境修正。
确定目标训练模式是否接受环境修正的方式参见步骤202中的内容，本实施例在此不再赘述。
步骤202，在目标训练模式接受环境修正的情况下，确定环境参数是否大于或等于预设的环境修正阈值。
其中，环境修正阈值根据实际情况预先设定。
可选的，不同环境参数对应的环境修正阈值相同或不同。
在一个示例中，噪音值对应的噪音修正阈值为60，温度值对应的温度修正阈值为26。
可选的，在环境参数包括多种类型的情况下，分别确定每类环境参数是否大于或等于对于的环境修正阈值。
步骤203，在环境参数大于或等于环境修正阈值的情况下，确定对生理参数进行修正，执行步骤103。
可选的，在环境参数小于环境修正阈值的情况下，将生理参数确定为目标参数执行步骤104。
由于环境参数在达到一定强度时对生理参数的影响才较为明显，上述技术方案中通过设置环境修正阈值，在环境参数大于对应的环境参数阈值的情况下，才确定对生理参数进行修正，可以减少非必要的修正，从而避免对生理参数频繁进行修正导致耗费时间长的问题，提高判断的速度。
进一步的，环境参数包括噪音值，环境修正阈值包括噪音修正阈值，生理参数包括压力值；参考图3，步骤203在环境参数大于或等于环境修正阈值的情况下，确定对生理参数进行修正，包括以下步骤：
步骤301，在噪音值大于或等于噪音修正阈值的情况下，确定压力值的波动值是否大于或等于预设的压力波动阈值。
其中，压力波动阈值根据实际情况预先设定。
步骤302，在压力值的波动值大于或等于压力波动阈值的情况下，确定不基于噪音值对压力值进行修正。
压力值的波动值的计算方式参见步骤104，本实施例在此不再赘述。
在一个实例中，压力值的波动值为与1分钟前获取的压力值相比的波动值，压力波动阈值为10。
可选的，在压力值的波动值小于压力波动阈值的情况下，确定基于噪音值对压力值进行修正。
上述技术方案中，由于在压力值的波动值大于或等于压力波动阈值的情况下，不基于噪音值对压力值进行修正，如此可以在训练者为压力值上升敏感人群时及时对压力值上升进行处理，从而可以有助于保障训练的正常进行。
本申请实施例还提供一种电子设备，如图4所示，图4所示的电子设备400包括：处理器401和存储器403。其中，处理器401和存储器403相连，如通过总线402相连。可选地，电子设备400还可以包括收发器404。需要说明的是，实际应用中收发器404不限于一个，该电子设备400的结构并不构成对本申请实施例的限定。
处理器401可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegratedCircuit，专用集成电路)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器401也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线402可包括一通路，在上述组件之间传送信息。总线402可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线402可以分为地址总线、数据总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器403可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(ElectricallyErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器403用于存储执行本申请方案的应用程序代码，并由处理器401来控制执行。处理器401用于执行存储器403中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、PDA(个人数字助理)、PAD(平板电脑)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图4示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，当计算机程序在计算机中执行时，令计算机执行上述实施例提供的驾驶模拟训练方法。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种驾驶模拟训练方法，其特征在于，用于驾驶模拟训练系统中，所述方法包括：
获取目标训练模式和训练者的生理参数；
确定所述目标训练模式是否接受生理参数修正；
在确定出接受生理参数修正的情况下，基于所述目标训练模式对应的参数修正方式对所述生理参数进行修正，得到目标生理参数；
基于预设的异常条件确定所述目标生理参数是否异常；
在确定出所述目标生理参数异常的情况下，输出所述目标生理参数对应的异常提示信息。
2.根据权利要求1所述的方法，其特征在于，所述确定所述目标训练模式是否接受生理参数修正，包括：
确定所述目标训练模式是否接受环境修正；
在所述目标训练模式接受环境修正的情况下，确定环境参数是否大于或等于预设的环境修正阈值；
在所述环境参数大于或等于所述环境修正阈值的情况下，确定对所述生理参数进行修正。
3.根据权利要求2所述的方法，其特征在于，所述环境参数包括噪音值，所述环境修正阈值包括噪音修正阈值，所述生理参数包括压力值；所述在所述环境参数大于或等于所述环境修正阈值的情况下，确定对所述生理参数进行修正，包括：
在所述噪音值大于或等于所述噪音修正阈值的情况下，确定所述压力值的波动值是否大于或等于预设的压力波动阈值；
在所述压力值的波动值大于或等于所述压力波动阈值的情况下，确定不基于所述噪音值对所述压力值进行修正。
4.根据权利要求1所述的方法，其特征在于，所述修正参数包括环境参数，所述生理参数包括压力值和/或眩晕值；所述基于修正参数对所述生理参数进行修正，得到目标生理参数，包括：
基于所述环境参数对压力值进行修正，得到目标压力值；
和/或，
基于所述环境参数对眩晕值进行修正，得到目标眩晕值。
5.根据权利要求1所述的方法，其特征在于，所述修正参数包括体感参数，所述生理参数包括疲劳值和/或压力值；所述基于修正参数对所述生理参数进行修正，得到目标生理参数，包括：
基于所述体感参数对疲劳值进行修正，得到目标疲劳值；
和/或，
基于所述体感参数对压力值进行修正，得到目标压力值。
6.根据权利要求1所述的方法，其特征在于，所述目标训练模式包括理论基础训练模式、驾驶操作训练模式或者安全教育训练模式；对所述生理参数进行修正的方式包括体感修正和环境修正；
所述理论基础训练模式接受所述环境修正，不接受所述体感修正；
所述驾驶操作训练模式接受所述环境修正，接受所述体感修正；
所述安全教育训练模式不接受所述环境修正，不接受所述体感修正。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在确定出所述目标生理参数正常的情况下，返回执行获取训练者生理参数的步骤。
8.根据权利要求1所述的方法，其特征在于，所述基于预设的异常条件确定所述目标生理参数是否异常，包括：
基于所述目标训练模式对应的异常条件确定所述目标生理参数是否异常。
9.一种电子设备，其特征在于，该电子设备包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1至8任一项所述的驾驶模拟训练方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1至8任一项所述的驾驶模拟训练方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211668700.9A CN116129704B (zh) | 2022-12-24 | 2022-12-24 | 驾驶模拟训练方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211668700.9A CN116129704B (zh) | 2022-12-24 | 2022-12-24 | 驾驶模拟训练方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116129704A true CN116129704A (zh) | 2023-05-16 |
| CN116129704B CN116129704B (zh) | 2024-08-06 |
Family
ID=86305666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211668700.9A Active CN116129704B (zh) | 2022-12-24 | 2022-12-24 | 驾驶模拟训练方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116129704B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000200027A (ja) * | 1999-01-06 | 2000-07-18 | Toshiba Corp | 運転訓練装置 |
| US20030060728A1 (en) * | 2001-09-25 | 2003-03-27 | Mandigo Lonnie D. | Biofeedback based personal entertainment system |
| EP2196138A2 (de) * | 2008-12-12 | 2010-06-16 | Karlsruher Institut für Technologie Institut für Technologie der Informationsverarbeitung | System und Verfahren zum Stresstraining eines Benutzers |
| CN104163173A (zh) * | 2014-08-05 | 2014-11-26 | 深圳市元征科技股份有限公司 | 一种驾驶行为指引信息的生成方法、装置及系统 |
| CN105534475A (zh) * | 2015-06-30 | 2016-05-04 | 宇龙计算机通信科技(深圳)有限公司 | 一种生理参数数据更新方法及系统 |
| US20190192768A1 (en) * | 2017-12-22 | 2019-06-27 | Glysens Incorporated | Analyte sensor and medicant delivery data evaluation and error reduction apparatus and methods |
| RU2709344C1 (ru) * | 2019-01-25 | 2019-12-17 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный университет" Министерства обороны Российской Федерации | Способ обучения вождению боевого транспортного средства и тренажер для его реализации |
| CN112168190A (zh) * | 2020-10-23 | 2021-01-05 | 清华大学 | 驾驶压力实时监测系统及方法 |
| CN112641445A (zh) * | 2021-01-19 | 2021-04-13 | 深圳市阿尔法车联网技术有限公司 | 一种基于车联网数据信息化的汽车用户健康、行为监测系统及方法 |
| CN112807647A (zh) * | 2021-01-28 | 2021-05-18 | 重庆工程职业技术学院 | 一种模拟实战训练系统 |
| CN114343597A (zh) * | 2021-12-29 | 2022-04-15 | 北京小米移动软件有限公司 | 生理参数监测方法、装置、键盘、电子设备和存储介质 |
| CN114495630A (zh) * | 2022-01-24 | 2022-05-13 | 北京千种幻影科技有限公司 | 一种车辆模拟驾驶方法、系统及设备 |
| WO2022173663A1 (en) * | 2021-02-09 | 2022-08-18 | Halare, Inc. | Multi-therapy systems, methods and apparatuses for the alleviation of sleep disordered breathing |
| CN115366907A (zh) * | 2022-08-12 | 2022-11-22 | 重庆长安汽车股份有限公司 | 驾驶员的状态异常提醒方法、装置、车辆及存储介质 |
| CN115496319A (zh) * | 2022-06-21 | 2022-12-20 | 上海核工程研究设计院有限公司 | 核电厂数字化主控室的人员行为可靠性评估方法及装置 |
-
2022
- 2022-12-24 CN CN202211668700.9A patent/CN116129704B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000200027A (ja) * | 1999-01-06 | 2000-07-18 | Toshiba Corp | 運転訓練装置 |
| US20030060728A1 (en) * | 2001-09-25 | 2003-03-27 | Mandigo Lonnie D. | Biofeedback based personal entertainment system |
| EP2196138A2 (de) * | 2008-12-12 | 2010-06-16 | Karlsruher Institut für Technologie Institut für Technologie der Informationsverarbeitung | System und Verfahren zum Stresstraining eines Benutzers |
| CN104163173A (zh) * | 2014-08-05 | 2014-11-26 | 深圳市元征科技股份有限公司 | 一种驾驶行为指引信息的生成方法、装置及系统 |
| CN105534475A (zh) * | 2015-06-30 | 2016-05-04 | 宇龙计算机通信科技(深圳)有限公司 | 一种生理参数数据更新方法及系统 |
| US20190192768A1 (en) * | 2017-12-22 | 2019-06-27 | Glysens Incorporated | Analyte sensor and medicant delivery data evaluation and error reduction apparatus and methods |
| RU2709344C1 (ru) * | 2019-01-25 | 2019-12-17 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный университет" Министерства обороны Российской Федерации | Способ обучения вождению боевого транспортного средства и тренажер для его реализации |
| CN112168190A (zh) * | 2020-10-23 | 2021-01-05 | 清华大学 | 驾驶压力实时监测系统及方法 |
| CN112641445A (zh) * | 2021-01-19 | 2021-04-13 | 深圳市阿尔法车联网技术有限公司 | 一种基于车联网数据信息化的汽车用户健康、行为监测系统及方法 |
| CN112807647A (zh) * | 2021-01-28 | 2021-05-18 | 重庆工程职业技术学院 | 一种模拟实战训练系统 |
| WO2022173663A1 (en) * | 2021-02-09 | 2022-08-18 | Halare, Inc. | Multi-therapy systems, methods and apparatuses for the alleviation of sleep disordered breathing |
| CN114343597A (zh) * | 2021-12-29 | 2022-04-15 | 北京小米移动软件有限公司 | 生理参数监测方法、装置、键盘、电子设备和存储介质 |
| CN114495630A (zh) * | 2022-01-24 | 2022-05-13 | 北京千种幻影科技有限公司 | 一种车辆模拟驾驶方法、系统及设备 |
| CN115496319A (zh) * | 2022-06-21 | 2022-12-20 | 上海核工程研究设计院有限公司 | 核电厂数字化主控室的人员行为可靠性评估方法及装置 |
| CN115366907A (zh) * | 2022-08-12 | 2022-11-22 | 重庆长安汽车股份有限公司 | 驾驶员的状态异常提醒方法、装置、车辆及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 林峰 等: "基于深度学习的驾驶行为识别模型线上训练系统设计与实现", 《通化师范学院学报》, vol. 43, no. 06, 20 June 2022 (2022-06-20), pages 88 - 92 * |
| 汪汇川;宁云晖;陶伟;陆泳舟;: "基于FAHP的舰艇模拟训练系统人机功能分配", 指挥控制与仿真, no. 05, 15 October 2018 (2018-10-15), pages 43 - 46 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116129704B (zh) | 2024-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210154430A1 (en) | Systems and methods for predicting and preventing motion sickness | |
| US9815478B2 (en) | Driving assistance system and driving assistance method | |
| CN107735747B (zh) | 信息处理设备、显示装置、信息处理方法及程序 | |
| US11040712B2 (en) | Information processing apparatus and information processing method | |
| CN110509983A (zh) | 一种适用于不同驾驶需求的线控转向路感反馈装置 | |
| US20140170609A1 (en) | Personalized compliance feedback via model-driven sensor data assessment | |
| Chen et al. | Manipulating music to communicate automation reliability in conditionally automated driving: A driving simulator study | |
| Zhou et al. | Car-following behavior of human-driven vehicles in mixed-flow traffic: A driving simulator study | |
| US20200005056A1 (en) | Communication flow from road user to a vehicle driving an automated manner | |
| CN111783550B (zh) | 驾驶人情绪的监控调节方法及系统 | |
| KR102615230B1 (ko) | 운전자의 주행 능력을 평가하는 주행 능력 평가 방법 및 그 방법을 수행하는 인적 요소 평가 시스템 | |
| CN114386691A (zh) | 基于应激姿态预测的乘员损伤预测方法和装置 | |
| EP3751465A1 (en) | Methods, apparatuses and computer programs for generating a reinforcement learning-based machine-learning model and for generating a control signal for operating a vehicle | |
| CN116129704B (zh) | 驾驶模拟训练方法、电子设备及存储介质 | |
| CN115984829A (zh) | 一种基于多模态生理信号的用户状态评估及信息交互系统 | |
| CN110766826B (zh) | 一种驾驶行为分析方法 | |
| Barisic et al. | Driver model for Take-Over-Request in autonomous vehicles | |
| Baltodano et al. | Eliciting driver stress using naturalistic driving scenarios on real roads | |
| CN112130326A (zh) | 一种提高vr眼镜护目性能的方法及装置 | |
| Kurihara et al. | Periodic tactile feedback for accelerator pedal control | |
| CN108446644A (zh) | 一种用于新能源电动汽车的虚拟显示系统 | |
| Uvarov et al. | Maintaining vehicle driver’s state using personalized interventions | |
| Martinez et al. | Designing and evaluating meaningful tactile displays to assist takeover in automated vehicles | |
| CN114925733A (zh) | 一种车辆舒适性评估方法、装置、电子设备和存储介质 | |
| CN115565428A (zh) | 一种培养道路驾驶习惯的模拟驾驶方法、系统和电子设备 |
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 | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20250306 Granted publication date: 20240806 |
|
| PP01 | Preservation of patent right |