[发明专利]用于驾驶培训规划的深度学习方法及其应用

权利要求书

1.一种用于驾驶培训规划的深度学习方法，其特征在于，包括：

对学员特征进行预处理，得到预处理学员特征；

对定制培训特征进行预处理，得到预处理定制培训特征；

采集学员在第一预定时点至第N预定时点的进度特征；

将所述预处理学员特征、预处理定制培训特征及所述进度特征作为输入，利用时序神经网络模型预测剩余培训时长。

2.如权利要求1所述的深度学习方法，其特征在于，所述进度特征包括下述特征中的至少两种：已用时长、进度比例、进度评价、各项目评分，

所述学员特征包括下述特征中的至少两种：年龄、性别、职业类型、教育程度、时间保证度、自我描述选项、操控类游戏测试结果，

所述定制培训特征包括：时间类别、教学方式、教练数量、车型、教练评价、教练属性中的至少一种，

所述定制培训特征包括考试环境特征，

所述考试环境特征包括考场通过率、考试日期、预期天气、预期考道中的至少一种，

所述对学员特征进行预处理包括：

将学员特征表示为行向量形式；

所述对定制培训特征进行预处理包括：

将定制培训特征表示为行向量形式。

3.如权利要求2所述的深度学习方法，其特征在于，所述进度比例为已完成培训项目的计划时间与所有培训项目的计划时间之间的比例。

4.如权利要求2所述的深度学习方法，其特征在于，所述进度评价包括教练对学员培训进度的主观评价。

5.如权利要求2所述的深度学习方法，其特征在于，所述各项目评分包括学员已完成项目的评分，且未完成项目的评分为零分或预定分数。

6.如权利要求1所述的深度学习方法，其特征在于，还包括：

根据所有剩余培训时长之和确定当前整体待付成本。

7.如权利要求1所述的深度学习方法，其特征在于，所述时序神经网络模型包括RNN、LSTM、GRU、双向RNN或SRU。

8.一种用于驾驶培训规划的深度学习装置，其特征在于，包括：

第一预处理模块，用于对学员特征进行预处理，得到预处理学员特征；

第二预处理模块，用于对定制培训特征进行预处理，得到预处理定制培训特征；

时点模块，用于采集学员在第一预定时点至第N预定时点的进度特征；

预测模块，用于将所述预处理学员特征、预处理定制培训特征及所述进度特征作为输入，利用时序神经网络模型预测剩余培训时长。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的深度学习方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的深度学习方法。