基于对抗神经网络的驾驶员训练测试系统技术方案

本发明专利技术公开了基于对抗神经网络的驾驶员训练测试系统，涉及计算机应用技术领域，采用机器学习中的神经网络系统代替了传统单一的训练系统和测试系统，目的是使用之前测试系统中测试合格人员的数据经过神经网络的训练转换成语音、提示音、文本信息等驾驶员有用信息，来代替教练员的部分教学任务。降低了人力成本、减少时间的浪费、从而提高了学员的学习效率。

Driver training and testing system based on antagonism neural network

The invention discloses a pilot training and testing system based on the antagonism of neural network, which involves the application of computer technology. The neural network system in machine learning is used to replace the traditional single training system and test system. The purpose is to train the data of qualified personnel in the previous test system through neural network training. The driver's useful information can be converted into voice, prompting and text information to replace some of the teaching tasks of coaches. It reduces the labor cost and reduces the waste of time, thus improving the learning efficiency of the trainees.

【技术实现步骤摘要】
基于对抗神经网络的驾驶员训练测试系统
本专利技术涉及计算机应用
，特别是涉及基于对抗神经网络的驾驶员训练测试系统。
技术介绍
目前现有的驾驶员测试系统或训练系统，功能过于单一，不能实现测试系统和训练系统的信息交互，从而使得驾驶员训练只能依靠教练员的口头反复教授。教练员口头教授这种方式不仅提高不了效率还费时费力。
技术实现思路
本专利技术实施例提供了基于对抗神经网络的驾驶员训练测试系统，可以解决现有技术中存在的问题。本专利技术提供了基于对抗神经网络的驾驶员训练测试系统，其特征在于，所述训练测试系统包括地理信息采集部分、车辆信息采集和传输部分、以及数据处理部分；所述地理信息采集部分包括安装在训练场地中的GPS基站，用于采用差分定位技术采集车辆在训练或测试过程中的位置信息，同时技术人员采用控制测量和碎步测量技术采集训练场地的地理数据；所述车辆信息采集和传输部分包括与汽车通用CAN总线连接的数据采集器、安装在汽车驾驶室的液晶屏和语音提示系统，所述数据采集器基于汽车的通用CAN总线体系采集车辆的各项状态数据，所述液晶屏用于显示所述数据处理部分的处理结果，所述语音提示系统用于在驾驶训练和测试过程中对驾驶员进行语音提示；所述数据处理部分包括训练神经网络系统和测试神经网络系统，所述数据采集器采集的车辆数据与时间结合在一起形成驾驶员的时间序列数据，多个驾驶员的时间序列数据组成数据集进行数据训练，对训练数据进行迭代处理后将训练数据转换成可用信息，所述训练神经网络系统利用这些可用信息训练驾驶员，通过训练神经网络系统的驾驶员开始进行驾驶测试，测试过程中所述测试神经网络系统选取考核结果为优秀的数据来代替之前考核结果为合格的数据，更新数据集后再次进行数据训练，如此反复迭代，最后利用迭代更新后的数据进一步训练驾驶员。本专利技术实施例中的基于对抗神经网络的驾驶员训练测试系统，采用机器学习中的神经网络系统代替了传统单一的训练系统和测试系统，目的是使用之前测试系统中测试合格人员的数据经过神经网络的训练转换成语音、提示音、文本信息等驾驶员有用信息，来代替教练员的部分教学任务。降低了人力成本、减少时间的浪费、从而提高了学员的学习效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的基于对抗神经网络的驾驶员训练测试系统中训练神经网络接收时间序列数据图；图2是本专利技术实施例提供的基于对抗神经网络的驾驶员训练测试系统中测试神经网络接收时间序列数据图；图3是测试神经网络得到的分析结论展示的雷达图；图4是测试神经网络得到的分析结论展示的直方图；图5是本专利技术实施例提供的基于对抗神经网络的驾驶员训练测试系统中对抗神经网络的模型图；图6是模拟倒车入库的准备阶段示意图；图7是模拟倒车入库的进行阶段示意图；图8是模拟倒车入库的结束阶段示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参照图1和图2，本专利技术实施例中提供的基于对抗神经网络的驾驶员训练测试系统，该系统包括地理信息采集部分、车辆信息采集和传输部分、以及数据处理部分。所述地理信息采集部分包括安装在训练场地中的GPS基站，用于采用差分定位技术采集车辆在训练或测试过程中的位置信息，同时技术人员采用控制测量和碎步测量技术采集训练场地的地理数据，同时采用水准测量技术提高在地理数据采集过程中的精度。所述车辆信息采集和传输部分包括与汽车通用CAN总线连接的数据采集器、安装在汽车驾驶室的液晶屏、语音提示系统和指纹识别器、以及安装在汽车外壳四周的热感应器，所述数据采集器基于汽车的通用CAN总线体系，采集方向盘旋转方向及角度数据、发动机转速及转速加速度、油门位置及油门变化加速度、离合器位置及离合器位置变化加速度、刹车踏板位置及刹车踏板位置变化加速度、档位杆位置及换档时间和换档方向数据。所述液晶屏用于显示所述数据处理部分的处理结果，所述语音提示系统用于在驾驶训练和测试过程中对驾驶员进行语音提示，所述指纹识别器用于在驾驶训练和测试开始前采集驾驶员的指纹，只有指纹合法才能开始进行训练或测试，所述热感应器用于在驾驶训练和测试开始前检测驾驶员是否绕车进行车辆观测。所述数据处理部分包括训练神经网络系统和测试神经网络系统，所述数据采集器采集的车辆数据与时间结合在一起形成驾驶员的时间序列数据，例如驾驶员在h时刻启动了车辆，在h+1时刻松开了离合器。得到的时间序列数据采用RNN(循环神经网络)建立所述训练神经网络系统和测试神经网络系统，所述训练神经网络系统接收时间序列数据如图1所示，图中表示在时刻h、h-1和h+1下分别输入了值为x、x-1和x+1的时序参数，结合得到的时间序列数据分别存储在文件o、o-1和o+1中。所述测试神经网络系统接收时间序列数据如图2所示，图中表示在时刻h、h-1和h+1下分别输入了值为x、x-1和x+1的时序参数，结合得到的时间序列数据分别存储在文件o、o-1和o+1中，接着测试神经网络系统将时间序列数据分别与合格驾驶员的考试信息y、y-1和y+1进行分析比对，分别得到分析结果i、i-1和i+1。所述测试神经网络系统用于根据所述数据采集器采集的数据对驾驶员的考试成绩进行评定，如果考核结果为优秀，则保存本次的考核信息作为后备数据，如果考核结果为合格，则对驾驶员的各项表现给出分析结论，如果考核结果为不合格，则分析本次考核的各项数据与合格数据的差距，并给出相应的分析结论。得到的分析结论显示在所述液晶屏上，所述分析结论可以以文字的形式展示，也可以以图形的形式展示，例如图3和图4所示的雷达图和直方图，图3中小五边形为驾考训练前的数据，大五边形为驾考训练后的数据。所述训练神经网络系统用于将测试神经网络系统中的合格数据制作成数据集，在数据训练神经网络中进行适当训练迭代，让损失函数的值尽量接近0，使训练神经网络系统学到接近真实的数据。在数据训练的过程中会产生一个权重文件，训练神经网络系统加载该权重文件后，配合语音提示系统来教授驾驶员学习。所述测试神经网络系统和训练神经网络系统在工作时，如图5所示，首先从测试神经网络系统中抽出2万份测试合格人员的时间序列数据作为数据集，进行数据训练，当损失函数loss迭代到合适的精度，将训练数据转换成可用信息，例如语音、提示音、液晶屏显示的文本信息等。然后训练神经网络系统利用这些可用信息训练驾驶员，通过训练神经网络系统的驾驶员开始进行驾驶测试，测试过程中测试神经网络系统选取考核结果为优秀的数据来代替之前考核结果为合格的数据，更新数据集后再次进行数据训练，如此反复迭代，最后利用迭代更新后的数据进一步训练驾驶员。两个神经网络系统之间进行对抗，最终使二者逼近纳什均衡。下面以科目二的倒车入库项目进行说明：准备阶段，如图6所示：语音提示：进行车辆行本文档来自技高网...

【技术保护点】
基于对抗神经网络的驾驶员训练测试系统，其特征在于，所述训练测试系统包括地理信息采集部分、车辆信息采集和传输部分、以及数据处理部分；所述地理信息采集部分包括安装在训练场地中的GPS基站，用于采用差分定位技术采集车辆在训练或测试过程中的位置信息，同时技术人员采用控制测量和碎步测量技术采集训练场地的地理数据；所述车辆信息采集和传输部分包括与汽车通用CAN总线连接的数据采集器、安装在汽车驾驶室的液晶屏和语音提示系统，所述数据采集器基于汽车的通用CAN总线体系采集车辆的各项状态数据，所述液晶屏用于显示所述数据处理部分的处理结果，所述语音提示系统用于在驾驶训练和测试过程中对驾驶员进行语音提示；所述数据处理部分包括训练神经网络系统和测试神经网络系统，所述数据采集器采集的车辆数据与时间结合在一起形成驾驶员的时间序列数据，多个驾驶员的时间序列数据组成数据集进行数据训练，对训练数据进行迭代处理后将训练数据转换成可用信息，所述训练神经网络系统利用这些可用信息训练驾驶员，通过训练神经网络系统的驾驶员开始进行驾驶测试，测试过程中所述测试神经网络系统选取考核结果为优秀的数据来代替之前考核结果为合格的数据，更新数据集后再次进行数据训练，如此反复迭代，最后利用迭代更新后的数据进一步训练驾驶员。...

【技术特征摘要】
1.基于对抗神经网络的驾驶员训练测试系统，其特征在于，所述训练测试系统包括地理信息采集部分、车辆信息采集和传输部分、以及数据处理部分；所述地理信息采集部分包括安装在训练场地中的GPS基站，用于采用差分定位技术采集车辆在训练或测试过程中的位置信息，同时技术人员采用控制测量和碎步测量技术采集训练场地的地理数据；所述车辆信息采集和传输部分包括与汽车通用CAN总线连接的数据采集器、安装在汽车驾驶室的液晶屏和语音提示系统，所述数据采集器基于汽车的通用CAN总线体系采集车辆的各项状态数据，所述液晶屏用于显示所述数据处理部分的处理结果，所述语音提示系统用于在驾驶训练和测试过程中对驾驶员进行语音提示；所述数据处理部分包括训练神经网络系统和测试神经网络系统，所述数据采集器采集的车辆数据与时间结合在一起形成驾驶员的时间序列数据，多个驾驶员的时间序列数据组成数据集进行数据训练，对训练数据进行迭代处理后将训练数据转换成可用信息，所述训练神经网络系统利用这些可用信息训练驾驶员，通过训练神经网络系统的驾驶员开始进行驾驶测试，测试过程中所述测试神经网络系统选取考核结果为优秀的数据来代替之前考核结果为合格的数据，更新数据集后再次进行数据训练，如此反复迭代，最后利用迭代更新后的数据进一步训练驾驶员。2.如权利要求1所述的基于对抗神经网络的驾驶员训练测试系统，其特征在于，在采集训练场地的地理数据时采用...

【专利技术属性】
技术研发人员：王星，杜伟，刘超，徐光宪，陈吉，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁,21