[发明专利]一种应用于驾校无人驾驶教练车的教学方法

权利要求书

1.一种应用于驾校无人驾驶教练车的教学方法，其特征在于：包括车辆状态模块、数据处理模块、智能化教学模块、车辆接管模块、驾驶环境显示模块和提醒装置。

所述车辆状态模块，通过安装在车辆不同位置的传感器和高精度定位器，获取车辆操作状态及车辆运行参数，包括但不限于安装在变速器输出轴上的速度传感器、安装在方向盘下方转向管柱内的转角传感器、高精度定位器实时采集车辆操作数据。

所述数据处理模块，对数据信息进行管理，用于接收、存储、处理数据。数据处理模块接收处理传感器、高精度定位器、智能化教学模块的相关数据，还可以根据智能化教学模块的训练数据进行车辆运动轨迹预测，数据处理模块中的存储器中在训练前，存储最优路线以及通过项目的关键点位置和相应的标准操作。

所述智能化教学模块，包括教学模式、教学类型以及教学评判。教学模式为在教学时间内自动驾驶与非自动驾驶的交替形式。在教学类型上，包括不限于过程演示。过程演示，当学员在某阶段出现错误操作时且达到系统接管条件，系统接管无人教练车，回到该阶段起点，演示正确操作后，再回到该阶段起点，由学员操作。教学评判，包括过程综合评价和考试评分规则评价，其中过程综合评价，获取车辆状态模块的数据，以评分方法判别驾驶员训练水平。

所述驾驶环境显示模块，与所述数据处理模块连接，可视化显示道路与车辆的位置。

所述提醒装置，与所述数据处理模块连接，所述提醒装置包括但不限于指示灯、液晶显示仪、震动器和语音系统。

2.根据权利要求1所述的一种应用于驾校无人驾驶教练车的教学方法，其特征在于：所述过程综合评价具体步骤如下：

S1、从所述数据处理系统获取预设目标路线。

S2、根据关键点对项目进行分阶段，通过对学员历史数据按日期统计不同阶段不合格率和扣分率(以阶段是否扣分进行统计)，计算阶段难度系数η：

为平均不合格率，为平均扣分率。

S3、建立评分指标体系，包括车辆位置与参考位置的差值实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e。对指标数据进行数据筛分处理：误差根据误差等级进行扣分，以误差越大，扣分越多的原则，按照误差等级进行分值设定。所有扣分以次数累计，非明确次数间隔T时间计次。

S4、设置每个阶段满分值，以所述评分指标体系进行累计扣分。但当某阶段出现不合格操作以及未训练，该阶段直接记为0分。计算最终综合评分：

δ_i＝max-∑D

其中，i为第i个阶段，η_i为第i阶段的难度系数，δ_i为阶段评分，max为每个阶段的总分数，∑D为累计扣分。

S5、计算项目总分

根据项目总分，对最终综合评分进行等级划分，方便学员掌握自己的水平。

所述车辆接管模块，从数据处理模块实时获取学员阶段评分δ_i，当δ_i＜wη_imax,其中w∈(0,1)时，系统进行接管车辆。

3.根据权利要求1所述的一种应用于驾校无人驾驶教练车的教学方法，其特征在于：所述数据筛分的方法为：

i.车辆位置与参考位置的差值d_e、实时速度与参考速度的速度差v_e、实时航向角与参考航向角的角度偏差θ_e、控制数据与传感器反馈数据的误差X_e'，传感器包括速度传感器v_e'、安装在离合、刹车、油门踏板下的位移传感器x′_ei、转角传感器θ_e'。根据历史数据分别统计d_e、v_e,X_e',θ_e的最大值和最小值。当实时得到上述数据时，进行数据处理:

X为d_e，v_e,X_e',θ_e的值，X_e包括v_e'，x′_ei，θ_e'

ii.设置误差等级。根据隶属度函数判断X_e^*属于哪个等级。

a,b,c分别对应误差对应等级的标准值。根据最大隶属度原则，误差等级为u(e)＝max{u_i(e)},i＝1,2,…,n，其中n为等级个数。