一种基于神经网络的驾驶员操作评估系统及方法与流程

1.本发明涉及驾驶辅助技术领域，具体是一种基于神经网络的驾驶员操作评估系统及方法。


背景技术：

2.随着汽车越来越普及成为人们生活中代步工具，为了保证驾驶员的安全驾驶，避免因驾驶员操作不当引发的对驾驶员的操作过程进行评估具有非常重要的意义。除了日常使用的汽车之外，各种型号的特种车辆装备有更复杂和先进的设备；考虑到特种车辆维护和使用成本高昂，模拟器可作为驾驶员训练的良好选择，驾驶员可感受驾驶真实车辆的效果，也在极大程度上降低了成本。但是在训练过程中仍然存在许多问题，首先，驾驶员的训练没有标准和依据；其次，在培训驾驶员的过程中，需要配备教练员进行指导和考核，但是面对增多的驾驶员，教员的需求也在增大，导致供不应求的现象发生。此外，现有的驾照考试制度只是简单提取一些汽车行驶过程的状态数据作为参考和评分标准，而汽车在行驶过程中，存在着大量不可预测的因素，使得对驾驶员的操作的评估显得过于简单。所以，人们需要一种基于神经网络的驾驶员操作评估系统及方法来解决上述问题。


技术实现要素：

3.发明目的：本发明目的在于针对现有技术，提供一种基于神经网络的驾驶员操作评估系统及方法解决驾驶员增多、教练供不应求的问题。
4.技术方案：本发明所述一种基于神经网络的驾驶员操作评估系统及方法，包括驾驶模拟器、视景模块、动力学仿真模块、数据采集模块和神经网络模块；
5.所述驾驶模拟器向驾驶学员提供驾驶操作沉浸感，并获得驾驶学员操作产生的数据，包括挡位、方向盘角度；所述视景模块，用于产生驾驶的虚拟视觉场景；
6.所述动力学仿真模块根据驾驶模拟器采集的数据计算车辆运动状态，包括车辆位置、速度；
7.所述数据采集模块，用于接收所述驾驶模拟器获得的操作数据和所述动力学仿真模块计算的车辆运动状态，并将每个驾驶学员的操作数据作为一个矩阵元素，将所有矩阵元素集合成一个多维矩阵，作为神经网络模块输入的数据集；
8.所述神经网络模块根据不同车型训练不同的神经网络，经训练的神经网络模块对不同驾驶水平进行归类，且每类水平对应各自的打分标准；所述数据集导入训练后的神经网络模块，所述神经网络模块对其评估，综合驾驶学员操作数据、车辆运动状态和虚拟视觉场景三者得出评估结果。
9.优选的，所述神经网络模块包括三层堆叠的lstm网络层，各所述lstm网络层结构相同；所述神经网络模块所使用的激活函数为sigmoid函数。
10.优选的，所述数据采集模块包括宽电压输入调节单元、数模转换器、处理器和can控制器。
11.优选的，所述矩阵元素的大小为(40,10)。
12.优选的，所述神经网络模块还包括外部接口，用于对驾驶学员的驾驶水平自定义打分。
13.优选的，一种基于神经网络的驾驶员操作评估方法，包括以下步骤：
14.s10、根据不同的车型训练不同的神经网络模块，使得神经网络模块对不同驾驶水平进行归类，且每类水平对应各自的打分标准；
15.s20、驾驶学员利用驾驶模拟器和视景模块进行模拟驾驶，驾驶模拟器获得驾驶学员操作产生的数据，包括挡位、方向盘角度；模拟驾驶中动力学仿真模块根据驾驶模拟器采集的数据计算车辆运动状态，包括车辆位置、速度；
16.s30、数据采集模块接收操作数据和车辆运动状态，并将每个驾驶学员的操作数据作为一个矩阵元素，将所有矩阵元素集合成一个多维矩阵，作为数据集输入训练后的神经网络模块；
17.s40、通过外部接口对驾驶学员的驾驶打分，训练后的神经网络模块根据打分标准进行驾驶水平归类，并综合驾驶学员操作数据、车辆运动状态和虚拟视觉场景三者得出评估结果。
18.一种存储设备，其中存储有计算机程序，所述计算机程序在电子设备中运行时，由所述电子设备的处理器加载并执行基于神经网络的驾驶员操作评估方法。
19.一种电子设备，包括：
20.处理器，用于运行计算机程序；以及存储设备，用于存储计算机程序，所述计算机程序在所述电子设备中运行时由处理器加载并执行基于神经网络的驾驶员操作评估方法。
21.有益效果：本发明利用数据采集模块接收操作数据和车辆运动状态，并将每个驾驶学员的操作数据作为一个矩阵元素，将所有矩阵元素集合成一个多维矩阵，作为数据集输入训练后的神经网络模块，通过外部接口对驾驶学员的驾驶打分，训练后的神经网络模块根据打分标准进行驾驶水平归类，并综合驾驶学员操作数据、车辆运动状态和虚拟视觉场景三者得出评估结果。三层堆叠的lstm网络层，使该神经网络模型能够学习更高层次的时域特征表示，训练出的神经网络性能更加优良。通过对驾驶员操作数据的特征提取作为深度学习的数据来源进行神经网络的训练，加快学员操作数据处理的速度，增加了评估的智能性；同时可以根据不同的评估条件对数据制定出不同的评估标准，使智能评估系统更加细致化。
附图说明
22.图1为本发明系统工作原理图；
23.图2为本发明方法流程示意图；
24.图3为本发明驾驶学员操作数据预处理后分类示意图。
具体实施方式
25.下面通过附图对本发明技术方案进行详细说明，但是本发明的保护范围不局限于实施例。
26.实施例1：如图1
‑
3所示，一种基于神经网络的驾驶员操作评估系统及方法，包括驾
驶模拟器、视景模块、动力学仿真模块、数据采集模块和神经网络模块；
27.驾驶模拟器向驾驶学员提供驾驶操作沉浸感，并获得驾驶学员操作产生的数据，包括挡位、方向盘角度、发动机油门开度；视景模块，用于产生驾驶的虚拟视觉场景；
28.动力学仿真模块根据驾驶模拟器采集的数据计算车辆运动状态，包括车辆位置、速度、加速度等，还包括车辆运行环境信息，如地面摩擦系数、地面坡度、海拔高度；
29.数据采集模块，用于接收驾驶模拟器获得的操作数据和动力学仿真模块计算的车辆运动状态，并将每个驾驶学员的操作数据作为一个矩阵元素，将所有矩阵元素集合成一个多维矩阵，作为神经网络模块输入的数据集，方便神经网络直接调用和训练；
30.神经网络模块根据不同车型训练不同的神经网络，经训练的神经网络模块对不同驾驶水平进行归类，且每类水平对应各自的打分标准；数据集导入训练后的神经网络模块，神经网络模块对其评估，综合驾驶学员操作数据、车辆运动状态和虚拟视觉场景三者得出评估结果。由于本发明只是记录的驾驶学员的操作数据，并不知道学员操作的优劣。所以可把学员的操作结果分为10个档次，每个档次分别对应1
‑
10分。通过外部接口对学员操作数据自定义打分结果，把学员的操作数据进行分类，每个结果类别里面会出现对应的操作数据，也会出现相应的教练的建议。
31.神经网络模块包括三层堆叠的lstm网络层，各lstm网络层结构相同；神经网络模块所使用的激活函数为sigmoid函数。lstm层的数据输入是一个三维向量(samples,timesteps,inputdim)，samples是数据的样本数，timestep是总的时间步数，inputdim是数据的输入特征向量的维度。三层堆叠的lstm网络层，使该神经网络模型能够学习更高层次的时域特征表示，训练出的神经网络性能更加优良。经过神经网络训练之后，本发明将训练好的神经网络的结构模型和权重矩阵信息保存到本地硬盘上，在进行数据测试的时候，本发明直接加载本地硬盘的神经网络的结构模型和权重信息，就直接能够搭建好整个神经网络框架。
32.数据采集模块包括宽电压输入调节单元、数模转换器、处理器和can控制器。
33.矩阵元素的大小为(40,10)。
34.神经网络模块还包括外部接口，用于对驾驶学员的驾驶水平自定义打分。
35.一种基于神经网络的驾驶员操作评估方法，包括以下步骤：
36.步骤10、根据不同的车型训练不同的神经网络模块，使得神经网络模块对不同驾驶水平进行归类，且每类水平对应各自的打分标准；
37.步骤20、驾驶学员利用驾驶模拟器和视景模块进行模拟驾驶，驾驶模拟器获得驾驶学员操作产生的数据，包括挡位、方向盘角度；模拟驾驶中动力学仿真模块根据驾驶模拟器采集的数据计算车辆运动状态，包括车辆位置、速度；
38.步骤30、数据采集模块接收操作数据和车辆运动状态，并将每个驾驶学员的操作数据作为一个矩阵元素，将所有矩阵元素集合成一个多维矩阵，作为数据集输入训练后的神经网络模块；
39.步骤40、通过外部接口对驾驶学员的驾驶打分，训练后的神经网络模块根据打分标准进行驾驶水平归类，并综合驾驶学员操作数据、车辆运动状态和虚拟视觉场景三者得出评估结果。
40.一种存储设备，其中存储有计算机程序，计算机程序在电子设备中运行时，由电子
设备的处理器加载并执行基于神经网络的驾驶员操作评估方法。
41.一种电子设备，包括：
42.处理器，用于运行计算机程序；以及存储设备，用于存储计算机程序，计算机程序在电子设备中运行时由处理器加载并执行基于神经网络的驾驶员操作评估方法。
43.如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。