基于实时驾驶情况的智能化驾驶教学方法及装置

基于实时驾驶情况的智能化驾驶教学方法及装置实质审查发明

技术领域

[0001] 本发明涉及驾驶数据分析技术领域，尤其涉及一种基于实时驾驶情况的智能化驾驶教学方法及装置。

具体实施方式

[0088] 为了使本技术领域的人员更好地理解本发明方案，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作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。

[0089] 本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。

[0090] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

[0091] 本发明公开了一种基于实时驾驶情况的智能化驾驶教学方法及装置，能够根据采集到的驾培车辆所处驾驶环境的环境数据以及驾培车辆对应的第一实时数据，分析驾培车辆的当前驾驶场景，再根据获取到的学员所对应的驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案，能够针对当前驾驶场景以及学员对应的驾驶教学方案生成针对性的实时教学方案，从而实现了个性化驾驶教学方案的智能化生成，进而实现个性化驾驶教学，有利于提高实时教学方案与学员所处的当前情景的适配程度，从而更有效地指导学员在当前情景下学习并实施相应的驾驶技能，有利于帮助学员高效快速地掌握驾驶技能，进而提高了驾驶教学的针对性及灵活性，进而有利于提高驾驶教学的效率以及驾驶教学的精准性。以下分别进行详细说明。

[0092] 实施例一

[0093] 请参阅图1，图1是本发明实施例公开的一种基于实时驾驶情况的智能化驾驶教学方法的流程示意图。其中，图1所描述的基于实时驾驶情况的智能化驾驶教学方法可以应用于基于实时驾驶情况的智能化驾驶教学装置中，该装置可以包括驾驶教学设备、驾驶教学终端、驾驶教学系统和服务器中的一种，其中，服务器包括云服务器或者本地服务器，本发明实施例不做限定，该方法也可以应用于驾培车辆和/或驾培车辆对应的控制系统中，本发明实施例不做限定。如图1所示，该基于实时驾驶情况的智能化驾驶教学方法可以包括以下操作：

[0094] 101、采集驾培车辆所处驾驶环境的环境数据以及驾培车辆对应的第一实时驾驶数据。

[0095] 本发明实施例中，示例性的，驾驶环境可以包括驾驶相关考试对应的考试场地和/或培训场地，例如：驾驶证考试的科目二和/或科目三的培训场地，本发明实施例不做限定；可选的，驾培车辆对应的第一实时驾驶数据可以包括学员的驾驶行为数据和/或驾培车辆的车辆行驶数据，本发明实施例不做限定。

[0096] 102、根据环境数据和第一实时驾驶数据，分析驾培车辆对应的当前驾驶场景。

[0097] 103、获取当前操作驾培车辆的学员所对应的驾驶教学方案。

[0098] 本发明实施例中，可选的，学员对应的驾驶教学方案可以为初始化的标准驾驶教学方案或者学员对应的个性化驾驶教学方案，本发明实施例不做限定；进一步可选的，驾驶教学方案可以包括关于任一驾驶考试项目的标准驾驶流程的说明、关于至少一个标准驾驶行为的行为说明、关于至少一个标准驾驶行为的指导指令中的至少一种，本发明实施例不做限定；其中，标准驾驶流程可以包括至少一个标准驾驶行为；其中，标准驾驶行为可以包括标准车辆操作(例如：针对驾培车辆的标准控制操作)和/或标准驾驶行为(例如：学员在不同驾驶场景下的标准观察行为)，本发明实施例不做限定。

[0099] 需要说明的是，步骤103与步骤101‑步骤102中任意一个步骤没有先后关系，即步骤103可以发生在步骤101‑步骤102中任意一个步骤之前或之后或者与步骤101‑步骤102中任意一个步骤同时发生，本发明实施例不做限定。

[0100] 104、根据驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案。

[0101] 本发明实施例中，实时教学方案用于指导学员针对当前驾驶场景实施相应的标准驾驶行为；可选的，实时教学方案可以为上述标准教学方案的其中一个子方案，也可以为对上述标准教学方案/上述标准教学方案的其中一个子方案进行优化或个性化调整后所得的教学方案，本发明实施例不做限定。

[0102] 可见，实施本发明实施例所描述的方法能够根据采集到的驾培车辆所处驾驶环境的环境数据以及驾培车辆对应的第一实时数据，分析驾培车辆的当前驾驶场景，再根据获取到的学员所对应的驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案，能够针对当前驾驶场景以及学员对应的驾驶教学方案生成针对性的实时教学方案，从而实现了个性化驾驶教学方案的智能化生成，进而实现个性化驾驶教学，有利于提高实时教学方案与学员所处的当前情景的适配程度，从而更有效地指导学员在当前情景下学习并实施相应的驾驶技能，有利于帮助学员高效快速地掌握驾驶技能，进而提高了驾驶教学的针对性及灵活性，进而有利于提高驾驶教学的效率以及驾驶教学的精准性。

[0103] 在一个可选的实施例中，采集驾培车辆所处驾驶环境的环境数据，可以包括以下操作：

[0104] 基于驾培车辆对应的传感设备，采集驾培车辆所处驾驶环境的环境传感数据；传感设备包括车载传感设备和/或路侧传感设备；环境传感数据包括车载传感设备所采集的第一传感数据和/或路侧传感数据所采集的第二传感数据；

[0105] 基于确定出的数据融合算法，对环境传感数据执行数据融合操作，得到驾驶环境的环境数据。

[0106] 可选的，环境数据包括驾培车辆所在道路信息、驾培车辆所在车道的交通信息、驾培车辆对应的目标车道的相邻对象信息、驾驶环境的天气信息中的至少一种；其中，交通信息包括车道对应的交通信号灯信息、车道的路况信息、车道的交通流量信息和车道的交通事件信息中的至少一种；目标车道包括驾培车辆所在车道和/或车道对应的相邻车道；相邻对象信息包括相邻对象的位置参数和/或相邻对象的移动参数。其中，示例性的，相邻对象可以为车辆或者行人，本发明实施例不做限定。

[0107] 可选的，车载传感设备可以包括车载摄像设备、车载雷达设备、车载GPS(Global Positioning System，全球定位系统)设备、LIDAR(Light Detection And Ranging，激光雷达)设备、IMU(Inertial Measurement Unit，惯性测量单元)、超声波传感器中的至少一种，本发明实施例不做限定。

[0108] 可选的，路侧传感设备可以包括交通信号灯、路侧摄像设备、路侧雷达设备(例如：毫米波雷达、激光雷达)中的至少一种，本发明实施例不做限定。

[0109] 可选的，基于驾培车辆对应的路侧传感设备，采集驾培车辆所处驾驶环境的第二传感数据，可以包括以下操作：

[0110] 基于驾驶环境中的路侧单元，将由驾驶环境中的路侧传感设备所采集的第二传感数据通过车联网技术模块发送至驾培车辆的车载单元。

[0111] 其中，示例性的，车联网技术模块可以为V2X模块，V2X也即Vehicle to Everything，是一种车用无线通信技术，用于车与外界进行信息交换。

[0112] 进一步可选的，基于上述传感设备所采集的传感数据可以包括以下数据中的一种或多种的组合：GPS设备可以提供驾培车辆的实时位置及速度信息；IMU可以提供驾培车辆的加速度、角速度等动态数据；摄像设备可以捕捉驾培车辆周围环境的图像数据，且图像数据可以用于识别道路、检测交通标志等；雷达设备/激光雷达设备可以提供驾培车辆周围物体与驾培车辆之间的距离和/或驾培车辆周围物体的速度信息；超声波传感器可以用于驾培车辆的近距离障碍物检测；V2X模块可以用于检测路侧交通事件、交通信号灯信息、地图信息、交通参与者信息等，本发明实施例不做限定。

[0113] 可见，该可选的实施例能够基于驾培车辆对应的传感设备，采集驾培车辆所处驾驶环境的环境传感数据，再基于数据融合算法，对环境传感数据进行数据融合，得到驾驶环境的环境数据，能够提高环境传感数据的采集灵活性和采集准确性，从而提高融合所得的环境数据的精准性，进而有利于提高驾培车辆的当前驾驶场景的分析精准性。

[0114] 在该可选的实施例中，可选的，基于确定出的数据融合算法，对环境传感数据执行数据融合操作，得到驾驶环境的环境数据，可以包括：

[0115] 对环境传感数据执行预处理操作，得到预处理数据；其中，预处理操作可以包括数据清洗操作和时间同步操作；

[0116] 对预处理数据执行配准操作，得到配准数据；其中，配准操作可以包括空间配准操作和时间配准操作；

[0117] 基于融合算法，对配准数据执行融合操作，得到驾驶环境的环境数据。

[0118] 其中，数据清洗操作用于去除噪声和异常数据，例如：GPS信号漂移、传感器故障数据等数据；时间同步操作用于将不同传感器的数据按照时间戳进行对齐，确保数据融合时各传感器数据的一致性；空间配准操作用于将不同传感器的数据映射到统一的坐标系中，例如：将LiDAR数据和摄像头数据配准到驾驶车辆的坐标系中；时间配准用于进一步细化不同传感器数据的时间对齐，确保数据融合时的时间一致性。

[0119] 可选的，融合算法可以包括卡尔曼滤波器和/或扩展卡尔曼滤波器，本发明实施例不做限定；其中，卡尔曼滤波器可以用于融合GPS和IMU数据，以提高车辆位置和速度的估计精度，扩展卡尔曼滤波器可以用于非线性系统的数据融合，例如：融合雷达和摄像头数据以提高障碍物检测和跟踪的精度，本发明实施例不做限定。其中，关于扩展卡尔曼滤波器，具体包括：

[0120] I.预测步骤

[0121]

[0122]

[0123] II.更新步骤

[0124]

[0125]

[0126] Pk＝(I‑KkHk)Pk‑1

[0127] 其中，和分别表示预测和更新后的状态估计；Pk‑1和Pk分别表示预测和更新后的误差协方差矩阵；Fk表示状态转移矩阵，Bk表示控制输入矩阵，表示控制输入；Qk和Qk分别表示过程噪声协方差矩阵和观测噪声协方差矩阵；Kk表示卡尔曼增益，zk表示观测值，Hk表示观测矩阵。

[0128] 可见，该可选的实施例还能够通过依次对环境传感数据执行预处理操作、数据配准操作以及数据融合操作，从而得到驾驶环境的环境数据，能够提高对于环境传感数据的处理精准性，有利于提高数据融合精准性，进而有利于进一步提高环境数据的精准性。

[0129] 在该可选的实施例中，可选的，采集驾培车辆对应的第一实时驾驶数据，可以包括以下操作：

[0130] 基于驾培车辆的车内传感器，采集学员的驾驶行为数据；

[0131] 基于驾培车辆的数据采集接口，采集驾培车辆的车辆行驶数据。

[0132] 其中，学员的驾驶行为数据可以包括图像数据和/或传感数据，且基于驾驶行为数据可以确定学员的当前驾驶行为，例如：转向行为、刹车行为、换挡行为、观察后视镜等驾驶行为。

[0133] 可选的，数据采集接口可以为OBD(On Board Diagnostics，车载自动诊断系统)接口，本发明实施例不做限定；可选的，车辆行驶数据可以包括车辆速度、车辆档位、车辆油门踏板数据(例如：油门力度)、车辆刹车踏板数据(例如；刹车力度)、车辆转向数据中的至少一种，还可以包括OBD接口所能检测到的其他车辆内部状态数据，本发明实施例不做限定。

[0134] 可见，该可选的实施例还能够基于驾培车辆的车内传感器采集学员的驾驶行为数据，以及基于驾培车辆的数据采集接口采集驾培车辆的车辆行驶数据，能够提高实时驾驶数据的采集灵活性和采集准确性，从而有利于提高驾培车辆的当前驾驶场景的分析精准性。

[0135] 在该可选的实施例中，可选的，根据环境数据和第一实时驾驶数据，分析驾培车辆对应的当前驾驶场景，可以包括以下操作：

[0136] 根据驾培车辆所在道路信息和交通信息，确定驾培车辆对应的行驶区域场景；和/或，

[0137] 根据天气信息，确定驾培车辆对应的天气场景；和/或，

[0138] 根据第一实时驾驶数据、交通信息和相邻对象信息，确定驾培车辆的行驶路况场景。

[0139] 其中，当前驾驶场景包括行驶区域场景、天气场景和行驶路况场景中的至少一种。

[0140] 其中，示例性的，行驶区域场景可以为红绿灯区域场景、转弯区域场景、直行区域场景、变道区域场景中的一种，也可以为其他区域场景，本发明实施例不做限定。

[0141] 其中，示例性的，天气场景可以为晴朗天气场景或者恶劣天气场景(例如：雷雨大风天气场景、雾霾天气场景)，也可以为其他天气场景，本发明实施例不做限定。

[0142] 其中，示例性的，行驶路况场景可以为复杂路况场景(例如：车流量大场景、相邻车辆行驶速度快场景、道路拥堵场景、道路施工场景、十字路口场景、交通事故场景)或者安全路况场景，也可以为其他路况场景，本发明实施例不做限定。

[0143] 可见，该可选的实施例还能够根据道路信息和交通信息确定行驶区域场景，也可以根据天气信息确定天气场景，还可以根据第一实时驾驶数据、交通信息和相邻对象信息确定行驶路况场景，提高了驾培车辆的当前驾驶场景的确定灵活性和确定准确性，有利于提高当前驾驶场景的多样性和准确性，进而有利于提高实时教学方案的生成准确性和针对性。

[0144] 在另一个可选的实施例中，该方法还可以包括以下操作：

[0145] 获取学员的驾驶基础信息；其中，驾驶基础信息可以包括驾驶学习经验、驾驶学习能力等级、驾驶学习目标、驾驶习惯信息、学员心理素质和学员身体信息中的至少一种。

[0146] 其中，驾驶学习经验可以包括学员学习驾驶的累计时长、学员的驾驶学习经历信息和学员的驾驶学习阶段中的至少一种，本发明实施例不做限定。

[0147] 其中，驾驶学习能力等级可以用于表示学员对于驾驶技能的学习速度和/或理解能力；驾驶学习能力等级越高，则表示该学员对于驾驶技能的学习速度越快和/或理解能力越强。

[0148] 其中，学员身体信息可以包括学员性别信息、学员年龄信息、学员身高信息、学员体型信息、学员视力信息中的至少一种，本发明实施例不做限定。

[0149] 可选的，根据驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案，可以包括以下操作：

[0150] 根据当前驾驶场景，确定驾培车辆的当前驾培项目；

[0151] 从驾驶教学方案中筛选出与当前驾驶场景和/或当前驾培项目相匹配的匹配教学子方案；

[0152] 根据驾驶基础信息，调整匹配教学子方案，得到针对当前驾驶场景的实时教学方案；实时教学方案包括至少一条指导指令；每条指导指令为车辆操作指导指令或者观察行为指导指令。

[0153] 其中，当前驾培项目可以包括红绿灯项目、转弯项目、直行项目、变道项目中的至少一种，也可以为其他的驾培项目，本发明实施例不做限定。

[0154] 示例性的，若当前驾驶场景包括红绿灯区域场景和恶劣天气场景，且确定出的当前驾培项目包括红绿灯项目，则需要从驾驶教学方案中筛选出与红绿灯项目相匹配的子方案以及与恶劣天气场景相匹配的子方案(例如：与安全驾驶技能及注意事项相关的子方案)，作为匹配教学子方案；然后基于学员的驾驶基础信息，对匹配教学子方案中的多个子方案进行调整融合，得到针对当前驾驶场景的实时教学方案。例如：若学员的驾驶学习经验低于标准水平，需要相较于驾驶教学方案中的指令输出时刻提前与驾驶学习经验相对应的预设时长(如：提前10秒输出相应的指导指令)，和/或，设置与驾驶学习经验相对应的重复次数输出相应的指导指令(如：重复输出3次指导指令)；又一示例性的，若当前驾驶场景包括路况复杂场景，则从驾驶教学方案中筛选出与路况复杂场景中的刹车操作及转向操作相匹配的匹配教学子方案，本发明实施例不做限定。

[0155] 可选的，根据驾驶基础信息，调整匹配教学子方案，得到针对当前驾驶场景的实时教学方案，可以包括以下操作：

[0156] 根据驾培车辆的车辆参数和学员的驾驶基础信息，调整匹配教学子方案，得到针对当前驾驶场景的实时教学方案。

[0157] 其中，驾培车辆的车辆参数可以包括车辆类型(例如：C1手动挡车型、C2自动挡车型、B2大型货车等)、车辆内部空间尺寸、车辆各操作部件的位置中的至少一种，本发明实施例不做限定。示例性的，若学员为身型较小的女性且驾培车辆为大型货车，则学员可能需要更多时间才能操作相应的操作部件(例如：手刹)，从而根据上述情况调整输出指导指令的时刻。这样能够进一步提高实时教学方案的生成准确性。

[0158] 可见，该可选的实施例能够根据当前驾驶场景确定出驾培车辆的当前驾培项目，再从驾驶教学方案中筛选出与当前驾驶场景和/或当前驾培项目相匹配的匹配教学子方案，然后根据获取到的学员的驾驶基础信息，调整匹配教学子方案，得到针对当前驾驶场景的实时教学方案，能够提高与当前驾驶场景和/或当前驾培项目相匹配的教学子方案的筛选准确性，以及提高了对于匹配教学子方案的调整准确性，从而有利于提高实时教学方案的准确性，进而有利于进一步提高实时教学方案与学员所处的当前情景的适配程度，进而能够更有效地指导学员在当前情景下学习并实施相应的驾驶技能，有助于提高学员掌握驾驶技能的效率。

[0159] 实施例二

[0160] 请参阅图2，图2是本发明实施例公开的一种基于实时驾驶情况的智能化驾驶教学方法的流程示意图。其中，图2所描述的基于实时驾驶情况的智能化驾驶教学方法可以应用于基于实时驾驶情况的智能化驾驶教学装置中，该装置可以包括驾驶教学设备、驾驶教学终端、驾驶教学系统和服务器中的一种，其中，服务器包括云服务器或者本地服务器，本发明实施例不做限定，该方法也可以应用于驾培车辆和/或驾培车辆对应的控制系统中，本发明实施例不做限定。如图2所示，该基于实时驾驶情况的智能化驾驶教学方法可以包括以下操作：

[0161] 201、采集驾培车辆所处驾驶环境的环境数据以及驾培车辆对应的第一实时驾驶数据。

[0162] 202、根据环境数据和第一实时驾驶数据，分析驾培车辆对应的当前驾驶场景。

[0163] 203、获取当前操作驾培车辆的学员所对应的驾驶教学方案。

[0164] 204、根据驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案。

[0165] 本发明实施例中，实时教学方案用于指导学员针对当前驾驶场景实施相应的标准驾驶行为。

[0166] 205、采集驾培车辆关于实时教学方案的第二实时驾驶数据。

[0167] 本发明实施例中，可选的，第二实时驾驶数据可以包括学员关于实时教学方案的教学驾驶行为数据和/或驾培车辆关于实时教学方案的教学车辆行驶数据，本发明实施例不做限定。

[0168] 206、分析第二实时驾驶数据，得到学员所实施的实时驾驶行为。

[0169] 207、获取驾驶评判标准。

[0170] 本发明实施例中，驾驶评判标准可以包括实时教学方案对应的标准驾驶行为和/或标准驾驶行为对应的评判规则。可选的，驾驶评判标准可以由存储有多种驾驶评判标准的规则库中筛选得到，本发明实施例不做限定。

[0171] 208、根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果。

[0172] 本发明实施例中，学员关于实时教学方案的驾驶评估结果可以包括驾驶行为评估结果和/或驾驶风险评估结果；可选的，驾驶评估结果还可以包括当前驾驶培训的驾驶成绩，本发明实施例不做限定。

[0173] 本发明实施例中，针对步骤201‑步骤204的其它详细描述，请参照实施例一中针对步骤101‑步骤104的详细描述，本发明实施例不再赘述。

[0174] 可见，实施本发明实施例所描述的方法能够根据采集到的驾培车辆所处驾驶环境的环境数据以及驾培车辆对应的第一实时数据，分析驾培车辆的当前驾驶场景，再根据获取到的学员所对应的驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案，能够针对当前驾驶场景以及学员对应的驾驶教学方案生成针对性的实时教学方案，从而实现了个性化驾驶教学方案的智能化生成，进而实现个性化驾驶教学，有利于提高实时教学方案与学员所处的当前情景的适配程度，从而更有效地指导学员在当前情景下学习并实施相应的驾驶技能，有利于帮助学员高效快速地掌握驾驶技能，进而提高了驾驶教学的针对性及灵活性，进而有利于提高驾驶教学的效率以及驾驶教学的精准性。此外，还能够在生成了实时教学方案之后，采集驾培车辆关于实时教学方案的第二实时驾驶数据，再通过分析第二实时驾驶数据得到学员所实施的实时驾驶行为，然后根据获取到的驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到驾驶评估结果，能够提高第二实时驾驶数据的分析准确性，从而提高驾驶评估结果的确定准确性和确定效率，进而能够向学员及时反馈准确的驾驶评判结果，进而有利于及时纠正学员的驾驶行为。

[0175] 在一个可选的实施例中，根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果，可以包括以下操作：

[0176] 根据驾驶评判标准，评估实时驾驶行为，得到驾驶行为评估结果；驾驶行为评估结果用于表示实时驾驶行为与驾驶评判标准的匹配程度；

[0177] 根据当前驾驶场景，分析驾驶环境所存在的驾驶风险信息；驾驶风险信息包括驾驶风险因素以及驾驶风险因素对应的风险指数；驾驶风险因素包括天气风险因素、交通流量风险因素和路况风险因素中的至少一种；

[0178] 根据驾驶风险信息，评估实时驾驶行为，得到驾驶风险评估结果；驾驶风险评估结果用于表示在驾驶环境的影响下实时驾驶行为的危险程度。

[0179] 其中，驾驶行为评估结果可以通过实时驾驶行为对应的行为匹配度表示，若行为匹配度的数值越高，则表示实时驾驶行为与驾驶评判标准的匹配程度越高。

[0180] 其中，驾驶风险因素对应的风险指数包括每种驾驶风险子因素对应的指数，每种驾驶风险子因素为天气风险因素、交通流量风险因素和路况风险因素中的一种；可选的，驾驶风险评估结果可以包括驾驶风险等级和/或每种驾驶风险子因素对应的风险等级，本发明实施例不做限定；进一步可选的，驾驶风险等级可以通过对每种驾驶风险子因素对应的指数进行加权平均所得的目标风险指数，再基于目标分线指数确定得到，每种驾驶风险子因素对应的风险等级可以由该驾驶风险子因素对应的指数确定得到，本发明实施例不做限定。

[0181] 可见，该可选的实施例还能够根据驾驶评判标准，评估实时驾驶行为，得到驾驶行为评估结果，以及能够根据当前驾驶场景分析驾驶环境所存在的驾驶风险信息，再根据驾驶风险信息，评估实时驾驶行为，得到驾驶风险评估结果，能够提高对于实时驾驶行为的分析灵活性，从而有利于提高对于实时驾驶行为的评判灵活性和评判准确性，从而有利于提高驾驶评估结果的准确性和多样性。

[0182] 在另一个可选的实施例中，在根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果之后，该方法还可以包括以下操作：

[0183] 根据驾驶行为评估结果，判断实时驾驶行为是否满足预先设定的标准行为条件；

[0184] 当判断出实时驾驶行为不满足标准行为条件时，生成针对驾驶行为评估结果的行为警告信息和/或扣除学员在当前驾驶培训中实时驾驶行为对应的分数；和/或，[0185] 根据驾驶风险评估结果，判断实时驾驶行为是否满足预先设定的安全驾驶条件；

[0186] 当判断出实时驾驶行为不满足安全驾驶条件时，生成驾驶风险评估结果对应的安全驾驶干预方案；安全驾驶干预方案包括安全驾驶指示信息和/或驾培车辆对应的紧急控制参数。

[0187] 其中，示例性的，针对驾驶行为评估结果的行为警告信息可以为：当学员在转弯时速度过快，系统会立即提示其减速；当学员在刹车时力度不够，系统会建议其增加刹车力度，本发明实施例不做限定；其中，上述扣除分数的操作可以具体为扣除学员的当前驾驶培训的驾驶成绩中关于实时驾驶行为对应的分数。

[0188] 其中，可选的，驾培车辆对应的紧急控制参数可以包括驾培车辆的ADAS系统(Advanced Driving Assistance System，高级驾驶辅助系统)关于驾驶风险评估结果的紧急干预功能对应的控制参数；其中，紧急干预功能可以包括紧急刹车功能或者避让功能，本发明实施例不做限定。

[0189] 其中，可选的，可以通过车载显示器或者语音助手，向学员输出上述行为警告信息和/或安全驾驶提示信息，本发明实施例不做限定。

[0190] 可选的，根据驾驶行为评估结果，判断实时驾驶行为是否满足预先设定的标准行为条件，可以包括以下操作：

[0191] 判断行为匹配度是否高于或等于预设匹配度；当判断出行为匹配度高于或等于预设匹配度时，确定实时驾驶行为满足预先设定的标准行为条件；当判断出行为匹配度低于预设匹配度时，确定实时驾驶行为不满足预先设定的标准行为条件。这样能够提高实时驾驶行为是否标准的判断准确性，有利于及时纠正学员的驾驶行为，进而有利于进一步提高驾驶教学效率。

[0192] 可选的，根据驾驶风险评估结果，判断实时驾驶行为是否满足预先设定的安全驾驶条件，可以包括以下操作:

[0193] 判断驾驶风险等级是否低于或等于第一预设风险等级；当判断出驾驶风险等级低于或等于第一预设风险等级时，确定实时驾驶行为满足预先设定的安全驾驶条件；当判断出驾驶风险等级高于第一预设风险等级时，确定实时驾驶行为不满足预先设定的安全驾驶条件；或者，

[0194] 判断每种驾驶风险子因素对应的风险等级是否低于或等于该驾驶风险子因素对应的第二预设风险等级；当判断出所有驾驶风险子因素对应的风险等级均低于或等于相应的第二预设风险等级时，确定实时驾驶行为满足预先设定的安全驾驶条件；当判断出任一驾驶风险子因素对应的风险等级高于相应的第二预设风险等级时，确定实时驾驶行为不满足预先设定的安全驾驶条件。

[0195] 这样能够提高实时驾驶行为是否安全的判断准确性，有利于提高驾驶教学的安全性以及应急及时性。

[0196] 进一步可选的，可以在判断出实时驾驶行为不满足标准行为条件之后，执行上述的根据驾驶风险评估结果，判断实时驾驶行为是否满足预先设定的安全驾驶条件的操作，本发明实施例不做限定。

[0197] 可见，该可选的实施例能够若根据驾驶行为评估结果，判断出实时驾驶行为不满足预先设定的标准行为条件，则生成针对驾驶行为评估结果的行为警告信息和/或扣除学员在当前驾驶培训中实时驾驶行为对应的分数，以及若根据驾驶风险评估结果，判断出实时驾驶行为不满足预先设定的安全驾驶条件，则生成驾驶风险评估结果对应的安全驾驶干预方案，能够进一步提高对于实时驾驶行为的分析精准性以及评判精准性，从而有利于在学员的驾驶行为不规范时向学员反馈相应的提示信息，有利于及时纠正学员的驾驶行为；以及，在突发情况或者存在安全隐患时能够及时向学员反馈相应的处理措施，进而有利于提醒学员注意潜在的危险情况，有利于提高学员驾驶的安全性，有助于培养学员的安全驾驶意识。

[0198] 在又一个可选的实施例中，在根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果之后，该方法还可以包括以下操作：

[0199] 根据学员在当前驾驶培训中所生成的所有实时教学方案和每个实时教学方案对应的驾驶评估结果，生成当前驾驶培训对应的驾驶培训报告；

[0200] 根据驾驶培训报告和获取到的学员的驾驶基础信息，优化学员对应的驾驶教学方案。

[0201] 可选的，可以通过驾培车辆的车载存储设备和/或驾培车辆所关联的云端存储端，记录学员在当前驾驶培训中所生成的所有实时教学方案以及每个实时教学方案对应的驾驶评估结果，本发明实施例不做限定。

[0202] 可选的，当前驾驶培训对应的驾驶培训报告可以包括学员的驾驶行为记录、学员的驾驶操作记录、针对每个驾驶行为/驾驶操作的评判结果、学员在当前驾驶培训的问题分析结果和当前驾驶培训对应的改进建议中的至少一种，本发明实施例不做限定。

[0203] 可见，该可选的实施例能够根据学员在当前驾驶培训中所生成的所有实时教学方案以及相应的驾驶评估结果，生成驾驶培训报告，实现了驾驶培训总结报告的智能化生成，有利于帮助学员回顾培训过程以提升驾驶技能；以及，根据驾驶培训报告和学员的驾驶基础信息，优化学员对应的驾驶教学方案，能够提高驾驶教学方案的优化准确性，从而有利于向学员提供更有针对性的个性化教学方案，有利于学员在下一次驾驶学习中更高效地提升驾驶技能。

[0204] 在本发明实施例中，示例性的，该基于实时驾驶情况的智能化驾驶教学方法可以应用于驾培教学系统，如驾培教学系统的系统架构示意图可以如图4所示，图4是本发明实施例公开的一种驾培教学系统的系统架构示意图，其中，该驾培教学系统可以包括车载感知模块、数据融合处理模块、驾考数据记录模块、主动安全防护模块以及驾考教学评判模块；

[0205] 其中，可以通过车载感知模块采集驾培车辆所处驾驶环境的环境传感数据以及驾培车辆对应的驾驶行为数据、车辆行驶数据；通过数据融合处理模块对上述数据进行融合处理，得到驾驶环境的环境数据以及实时驾驶数据，再基于融合得到的数据进行分析，生成实时教学方案，再通过驾考数据记录模块记录关于实时教学方案的驾驶评估结果；若基于驾驶评估结果判断出实时驾驶行为不满足标准行为条件或者不满足安全驾驶条件时，通过主动安全防护模块采取安全驾驶干预方案；在当前驾驶培训结束后，通过驾考教学评判模块，生成驾驶培训报告，并优化学员对应的驾驶教学方案；

[0206] 可选的，驾培教学系统还可以包括路侧感知共享模块，也即驾培车辆所处环境的环境传感数据可以通过车载感知模块感知，也可以通过V2X系统获取路侧感知共享模块感知到的数据，从而实现多数据源采集传感数据，提高传感数据的准确性，本发明实施例不做限定。

[0207] 实施例三

[0208] 请参阅图4，图4是是本发明实施例公开的一种基于实时驾驶情况的智能化驾驶教学装置的结构示意图。其中，图4所描述的基于实时驾驶情况的智能化驾驶教学装置可以包括驾驶教学设备、驾驶教学终端、驾驶教学系统和服务器中的一种，其中，服务器包括云服务器或者本地服务器，本发明实施例不做限定，该装置可以应用于驾培车辆和/或驾培车辆对应的控制系统中，本发明实施例不做限定。如图4所示，该基于实时驾驶情况的智能化驾驶教学装置可以包括：

[0209] 采集模块301，用于采集驾培车辆所处驾驶环境的环境数据以及驾培车辆对应的第一实时驾驶数据；

[0210] 分析模块302，用于根据环境数据和第一实时驾驶数据，分析驾培车辆对应的当前驾驶场景；

[0211] 获取模块303，用于获取当前操作驾培车辆的学员所对应的驾驶教学方案；

[0212] 生成模块304，用于根据驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案；实时教学方案用于指导学员针对当前驾驶场景实施相应的标准驾驶行为。

[0213] 可见，实施本发明实施例所描述的装置能够根据采集到的驾培车辆所处驾驶环境的环境数据以及驾培车辆对应的第一实时数据，分析驾培车辆的当前驾驶场景，再根据获取到的学员所对应的驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案，能够针对当前驾驶场景以及学员对应的驾驶教学方案生成针对性的实时教学方案，从而实现了个性化驾驶教学方案的智能化生成，进而实现个性化驾驶教学，有利于提高实时教学方案与学员所处的当前情景的适配程度，从而更有效地指导学员在当前情景下学习并实施相应的驾驶技能，有利于帮助学员高效快速地掌握驾驶技能，进而提高了驾驶教学的针对性及灵活性，进而有利于提高驾驶教学的效率以及驾驶教学的精准性。

[0214] 在一个可选的实施例中，采集模块301采集驾培车辆所处驾驶环境的环境数据的具体方式可以包括：

[0215] 基于驾培车辆对应的传感设备，采集驾培车辆所处驾驶环境的环境传感数据；传感设备包括车载传感设备和/或路侧传感设备；环境传感数据包括车载传感设备所采集的第一传感数据和/或路侧传感数据所采集的第二传感数据；

[0216] 基于确定出的数据融合算法，对环境传感数据执行数据融合操作，得到驾驶环境的环境数据；

[0217] 其中，环境数据可以包括驾培车辆所在道路信息、驾培车辆所在车道的交通信息、驾培车辆对应的目标车道的相邻对象信息、驾驶环境的天气信息中的至少一种；其中，交通信息包括车道对应的交通信号灯信息、车道的路况信息、车道的交通流量信息和车道的交通事件信息中的至少一种；目标车道包括驾培车辆所在车道和/或车道对应的相邻车道；相邻对象信息包括相邻对象的位置参数和/或相邻对象的移动参数。

[0218] 可见，实施该可选的实施例所描述的装置能够基于驾培车辆对应的传感设备，采集驾培车辆所处驾驶环境的环境传感数据，再基于数据融合算法，对环境传感数据进行数据融合，得到驾驶环境的环境数据，能够提高环境传感数据的采集灵活性和采集准确性，从而提高融合所得的环境数据的精准性，进而有利于提高驾培车辆的当前驾驶场景的分析精准性。

[0219] 在该可选的实施例中，可选的，驾培车辆对应的第一实时驾驶数据可以包括学员的驾驶行为数据和/或驾培车辆的车辆行驶数据；

[0220] 其中，分析模块302根据环境数据和第一实时驾驶数据，分析驾培车辆对应的当前驾驶场景的具体方式可以包括：

[0221] 根据驾培车辆所在道路信息和交通信息，确定驾培车辆对应的行驶区域场景；和/或，

[0222] 根据天气信息，确定驾培车辆对应的天气场景；和/或，

[0223] 根据第一实时驾驶数据、交通信息和相邻对象信息，确定驾培车辆的行驶路况场景；

[0224] 其中，当前驾驶场景包括行驶区域场景、天气场景和行驶路况场景中的至少一种。

[0225] 可见，实施该可选的实施例所描述的装置还能够根据道路信息和交通信息确定行驶区域场景，也可以根据天气信息确定天气场景，还可以根据第一实时驾驶数据、交通信息和相邻对象信息确定行驶路况场景，提高了驾培车辆的当前驾驶场景的确定灵活性和确定准确性，有利于提高当前驾驶场景的多样性和准确性，进而有利于提高实时教学方案的生成准确性和针对性。

[0226] 在另一个可选的实施例中，获取模块303，还用于获取学员的驾驶基础信息；驾驶基础信息包括驾驶学习经验、驾驶学习能力等级、驾驶学习目标、驾驶习惯信息、学员心理素质和学员身体信息中的至少一种；

[0227] 其中，生成模块304根据驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案的具体方式可以包括：

[0228] 根据当前驾驶场景，确定驾培车辆的当前驾培项目；

[0229] 从驾驶教学方案中筛选出与当前驾驶场景和/或当前驾培项目相匹配的匹配教学子方案；

[0230] 根据驾驶基础信息，调整匹配教学子方案，得到针对当前驾驶场景的实时教学方案；实时教学方案包括至少一条指导指令；每条指导指令为车辆操作指导指令或者观察行为指导指令。

[0231] 可见，实施该可选的实施例所描述的装置能够根据当前驾驶场景确定出驾培车辆的当前驾培项目，再从驾驶教学方案中筛选出与当前驾驶场景和/或当前驾培项目相匹配的匹配教学子方案，然后根据获取到的学员的驾驶基础信息，调整匹配教学子方案，得到针对当前驾驶场景的实时教学方案，能够提高与当前驾驶场景和/或当前驾培项目相匹配的教学子方案的筛选准确性，以及提高了对于匹配教学子方案的调整准确性，从而有利于提高实时教学方案的准确性，进而有利于进一步提高实时教学方案与学员所处的当前情景的适配程度，进而能够更有效地指导学员在当前情景下学习并实施相应的驾驶技能，有助于提高学员掌握驾驶技能的效率。

[0232] 在又一个可选的实施例中，采集模块301，还用于在生成模块304根据驾驶教学方案，生成针对当前驾驶场景对应的实时教学方案之后，采集驾培车辆关于实时教学方案的第二实时驾驶数据；

[0233] 分析模块302，还用于分析第二实时驾驶数据，得到学员所实施的实时驾驶行为；

[0234] 获取模块303，还用于获取驾驶评判标准；驾驶评判标准包括实时教学方案对应的标准驾驶行为和/或标准驾驶行为对应的评判规则；

[0235] 以及，如图5所示，该装置还可以包括：

[0236] 评估模块305，用于根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果；

[0237] 其中，学员关于实时教学方案的驾驶评估结果包括驾驶行为评估结果和/或驾驶风险评估结果。

[0238] 可见，实施该可选的实施例所描述的装置能够在生成了实时教学方案之后，采集驾培车辆关于实时教学方案的第二实时驾驶数据，再通过分析第二实时驾驶数据得到学员所实施的实时驾驶行为，然后根据获取到的驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到驾驶评估结果，能够提高第二实时驾驶数据的分析准确性，从而提高驾驶评估结果的确定准确性和确定效率，进而能够向学员及时反馈准确的驾驶评判结果，进而有利于及时纠正学员的驾驶行为。

[0239] 在该可选的实施例中，可选的，如图5所示，该装置还可以包括判断模块306，其中：

[0240] 判断模块306，用于在评估模块305根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果之后，根据驾驶行为评估结果，判断实时驾驶行为是否满足预先设定的标准行为条件；

[0241] 生成模块304，还用于当判断模块306判断出实时驾驶行为不满足标准行为条件时，生成针对驾驶行为评估结果的行为警告信息和/或扣除学员在当前驾驶培训中实时驾驶行为对应的分数；和/或，

[0242] 判断模块306，还用于在评估模块305根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果之后，根据驾驶风险评估结果，判断实时驾驶行为是否满足预先设定的安全驾驶条件；

[0243] 生成模块304，还用于当判断模块306判断出实时驾驶行为不满足安全驾驶条件时，生成驾驶风险评估结果对应的安全驾驶干预方案；安全驾驶干预方案包括安全驾驶指示信息和/或驾培车辆对应的紧急控制参数。

[0244] 可见，实施该可选的实施例所描述的装置还能够若根据驾驶行为评估结果，判断出实时驾驶行为不满足预先设定的标准行为条件，则生成针对驾驶行为评估结果的行为警告信息和/或扣除学员在当前驾驶培训中实时驾驶行为对应的分数，以及若根据驾驶风险评估结果，判断出实时驾驶行为不满足预先设定的安全驾驶条件，则生成驾驶风险评估结果对应的安全驾驶干预方案，能够进一步提高对于实时驾驶行为的分析精准性以及评判精准性，从而有利于在学员的驾驶行为不规范时向学员反馈相应的提示信息，有利于及时纠正学员的驾驶行为；以及，在突发情况或者存在安全隐患时能够及时向学员反馈相应的处理措施，进而有利于提醒学员注意潜在的危险情况，有利于提高学员驾驶的安全性，有助于培养学员的安全驾驶意识。

[0245] 在该可选的实施例中，可选的，生成模块304，还用于在评估模块305根据驾驶评判标准和当前驾驶场景，评估实时驾驶行为，得到学员关于实时教学方案的驾驶评估结果之后，根据学员在当前驾驶培训中所生成的所有实时教学方案和每个实时教学方案对应的驾驶评估结果，生成当前驾驶培训对应的驾驶培训报告；

[0246] 以及，如图5所示，该装置还可以包括：

[0247] 优化模块307，用于根据驾驶培训报告和获取到的学员的驾驶基础信息，优化学员对应的驾驶教学方案。

[0248] 可见，实施该可选的实施例所描述的装置还能够根据学员在当前驾驶培训中所生成的所有实时教学方案以及相应的驾驶评估结果，生成驾驶培训报告，实现了驾驶培训总结报告的智能化生成，有利于帮助学员回顾培训过程以提升驾驶技能；以及，根据驾驶培训报告和学员的驾驶基础信息，优化学员对应的驾驶教学方案，能够提高驾驶教学方案的优化准确性，从而有利于向学员提供更有针对性的个性化教学方案，有利于学员在下一次驾驶学习中更高效地提升驾驶技能。

[0249] 实施例四

[0250] 请参阅图6，图6是本发明实施例公开的又一种基于实时驾驶情况的智能化驾驶教学装置的结构示意图。如图6所示，该基于实时驾驶情况的智能化驾驶教学装置可以包括：

[0251] 存储有可执行程序代码的存储器401；

[0252] 与存储器401耦合的处理器402；

[0253] 处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的基于实时驾驶情况的智能化驾驶教学方法中的部分或全部步骤。

[0254] 实施例五

[0255] 本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的基于实时驾驶情况的智能化驾驶教学方法中的部分或全部步骤。

[0256] 实施例六

[0257] 本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于实时驾驶情况的智能化驾驶教学方法中的部分或全部步骤。

[0258] 以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

[0259] 通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read‑Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read‑only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One‑time Programmable Read‑Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically‑Erasable Programmable Read‑Only Memory，EEPROM)、只读光盘(Compact Disc Read‑Only Memory，CD‑ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

[0260] 最后应说明的是：本发明实施例公开的一种基于实时驾驶情况的智能化驾驶教学方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

查看完整全部详细技术资料

当前第1页第1页第2页第3页