飞机驾驶能力评估方法及装置

1.本公开涉及航空技术领域，尤其涉及一种飞机驾驶能力评估方法及装置。


背景技术：

2.在飞行员培养过程中，飞行员驾驶能力的评估问题已经被反复研究，通过对飞行员驾驶能力的评估能够反映出飞行员的驾驶技能，刻画出飞行员培养过程中驾驶水平变化的趋势，为最终获取飞行资质提供依据。


技术实现要素：

3.本公开提出一种飞机驾驶能力评估方法，包括：
4.从飞行员的飞行参数数据中提取驾驶能力评估指标对应的指标数据，所述驾驶能力评估指标基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定；
5.将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度，所述驾驶能力评语集为对预定数量的实际驾驶路径反复训练校正获取；
6.根据所述相似度确定所述飞行员的驾驶能力。
7.进一步的，所述将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语云的相似度包括：
8.获取所述驾驶能力评语云，并形成对应的驾驶能力评语集；
9.根据所述指标数据获取对应的待评价云；
10.将所述驾驶能力待评云与驾驶能力评语云进行比较，所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度。
11.进一步的，所述根据所述指标数据获取对应的待评价云包括：
12.将所述指标数据进行归一化处理；
13.将归一化处理后的指标数据通过云逆向发生器转变为云滴，形成所述驾驶能力待评云。
14.进一步的，所述获取所述驾驶能力评语云包括：
15.获取不同等级飞行员预定数量的与所述驾驶能力评估指标对应的评语指标数据；
16.将所述评语指标数据进行归一化处理；
17.将归一化处理后的评语指标数据通过云逆向发生器转变为云滴，形成所述驾驶能力评语云。
18.进一步的，所述获取所述驾驶能力评估指标包括：
19.利用德尔菲咨询法确定所述驾驶能力评估指标。
20.进一步的，该方法还包括：确定云相似性的阈值。
21.进一步的，所述驾驶能力评估指标包括：高度偏差、对中偏差、迎角偏差。
22.根据本公开的第二方面，提供一种飞机驾驶能力评估装置，包括：
23.提取模块，用于从飞行员的飞行参数数据中提取驾驶能力评估指标对应的指标数据，所述驾驶能力评估指标基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定；
24.云相似性处理模块，用于将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度，所述驾驶能力评语集为对预定数量的实际驾驶路径反复训练校正获取；
25.评估模块，用于根据所述相似度确定所述飞行员的驾驶能力。
26.根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行前述第一方面或第二面的方法。
27.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行前述第一方面或第二方面的方法。
28.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如前述第一方面或第二方面的方法。
29.根据本公开的实施例，从飞行员的飞行参数数据中提取驾驶能力评估指标对应的指标数据，所述驾驶能力评估指标基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定；将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度，所述驾驶能力评语集为对预定数量的实际驾驶路径反复训练校正获取；根据所述相似度确定所述飞行员的驾驶能力。由于该驾驶能力评估指标是基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定，使得确定的评估指标匹配度较好，并且在进行云相似性处理时，使用的驾驶能力评语集是基于大量实际驾驶数据反复训练校正得到的，可参考行较好，综上，保障了对飞行员驾驶能力评估的准确性，使得评估结果具有较好的适用性。
30.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
31.附图用于更好地理解本方案，不构成对本公开的限定。其中：
32.图1为本公开实施例提供的德尔菲咨询法流程示意图；
33.图2为本公开实施例提供的一种待评云与评语云的云相似示意图；
34.图3为本公开实施例提供的一种飞机驾驶能力评估方法流程示意图；
35.图4为本公开实施例提供的一种将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语云的相似度方法的流程示意图；
36.图5为本公开实施例提供的一种云逆向发生器示意图；
37.图6为本公开实施例提供的一种待评云与评语云的云相似计算流程示意图；
38.图7为本公开实施例提供的一种舰载机着舰过程示意图；
39.图8为本公开实施例提供的一种舰载机下滑着舰的阶段划分示意图；
40.图9为本公开实施例提供的一种舰载机下滑着舰的阶段划分示意图；
41.图10为本公开实施例提供的一种舰载机着舰驾驶能力评估指标示意图；
42.图11(a)为本公开实施例提供的一种飞行教官与评语集相似度的示意图；
43.图11(b)为本公开实施例提供的一种高级飞行员与评语集相似度的示意图；
44.图11(c)为本公开实施例提供的一种初级飞行员与评语集相似度的示意图；
45.图11(d)为本公开实施例提供的一种飞行教官、高级飞行员以及初级飞行员三者相似度的示意图；
46.图12为本公开实施例提供的一种飞机驾驶能力评估装置的结构示意图；
47.图13为本公开实施例提供的一种电子设备示意性框图。
具体实施方式
48.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
49.下面参考附图描述本公开实施例的飞行员驾驶能力评估方法及装置。
50.在飞行员培养过程中，飞行员驾驶能力的评估问题已经被反复研究，通过对飞行员驾驶能力的评估能够反映出飞行员的驾驶技能，刻画出飞行员培养过程中驾驶水平变化的趋势，为最终获取飞行资质提供依据。
51.为了得到适用性比较好的驾驶能力评估方法，本公开的实施例提供一种飞机驾驶能力评估方法，该方法首先采用德尔菲咨询法构建驾驶能力评估指标体系，然后结合云理论在处理定性与定量关系转换方面的优势，给出基于云相似度理论的飞行员驾驶能力评估方法。该方法可以应用于普通飞机驾驶人员驾驶能力的评估中，也可以应用在舰载机飞行员着舰过程中驾驶能力的评估，具体的本公开不做具体限制。
52.为了更好的对本公开的实施例提供的驾驶能力进行理解，本公开的实施例将先对其涉及到的一些内容进行解释，具体包括：
53.德尔菲咨询法(delphi),又名专家调查法，是一种通过合理的方式将所需解决的问题和相关资料以恰当的形式发送给专家，将家给出的意见进行整理汇总，之后再次将意见矛盾处反馈给各个专家，再次征询意见、再次汇总，如此反复直至取得比较一致的结果，将该结果作为决策方法。该方法的特点在于综合了相关领域专家的意见，通过不断的汇总和修改得到最终结论。其中，德尔菲咨询法的具体执行流程如图1所示，包括：选择专家；将相关资料以及指标体系用函数的方式发送给专家；回收专家意见并整理；将整理结果返还专家，请专家再次给出意见；判断专家意见是否一致，若一致得到指标体系；若不一致，则继续回收专家意见并整理，知道意见一致。
54.云模型是用于处理定量与定性描述的不定性转换问题。定义为：设u是一个定量数值论域,t为u上的定性概念，且u包含(e
x
,en,he)三个数字特征，若存在具有随机倾向的随机数x对t的隶属度为c
t
(x)∈[0,1]，即则从论域u到区间[0,1]的映射被称为云，其数学表达式如式(1)：
[0055][0056]
云相似度理论是云模型的一种判断方法，其定义为：如果描述同一个定性概念的两个云或者多个云有一定的相似性，则称这些云为等价云为或相似云[7]。“相似性”是值与已给定阈值λ进行比较，小于给定的阈值λ，则认为两个云相似度较好[8]。图2为对描述同一
概念的两个云进行比较，“.”为评语(e
x
＝0,en＝0.068,he＝0.01)，“ ”表示的为待评云(e
x
＝0.027,en＝0.075,he＝0.015)，通过比较待评云与评语云的相似度，计算得到两者的相似度，从而用于评估。
[0057]
评语云的合成，对于驾驶能力而言，一般结合多种属性(指标参数)评估，需将多个属性评语云合成一个最终的评语云。由于不同属性在评语云中所占权重的不同，在合成过程中要考虑不同属性在评语云中的权重w，其中w的表达式如式(2)：
[0058][0059]
n个属性评语云合成的方法步骤如下：
[0060][0061]
(3)n个属性的加权合成公式如式(3)：
[0062]
t(ex,en,he)＝(ω1
×
t1)
·
(ω2
×
t2)
·
…
·
(ωn×
tn)
ꢀꢀ
(3)
[0063]
其中：ex＝(w1ex1,w2ex2,...,wnexn)，en＝(w1en1,w2en2,...,wnenn)，he＝(w1he1,w2he2,...,wnhen)。
[0064]
上面是整体方案的概述，下面将结合具体实施方式进行具体方案的介绍。
[0065]
本公开的一个实施例提供一种飞机驾驶能力评估方法，如图3所示，包括：
[0066]
101、从飞行员的飞行参数数据中提取驾驶能力评估指标对应的指标数据，所述驾驶能力评估指标基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定。
[0067]
飞行员在飞行的过程中其飞行的参数数据均会被记录。为了对每个飞行员进行驾驶能力评估，在对使用本公开方案对驾驶员进行驾驶能力评估时，从每个飞行员每次飞行的飞行参数中提取该驶能力评估指标对应的指标数据。
[0068]
其中。该驾驶能力评估指标，可以采用但不局域于利用德尔菲咨询法进行，关于利用德尔菲咨询法的相关描述可以参考图1对应的描述，本发明实施例对此不进行限制。
[0069]
本公开的实施例涉及到的专家可以根据具体需求选取，本公开的实施例对此不进行限制。
[0070]
102、将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度，所述驾驶能力评语集为对预定数量的实际驾驶路径反复训练校正获取。
[0071]
其中，本公开的实施例中设计云相似性处理，可以参考图2中的相关描述，此处将不再赘述。
[0072]
103、根据所述相似度确定所述飞行员的驾驶能力。
[0073]
其中，在根据所述相似度确定所述飞行员的驾驶能力时，要将该相似对于对应评语集进行比对，该相似与哪个能力等级接近，该驾驶能力就被确定为那个等级。
[0074]
根据本公开的实施例，从飞行员的飞行参数数据中提取驾驶能力评估指标对应的指标数据，所述驾驶能力评估指标基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定；将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度，所述驾驶能力评语集为对预定数量的实际驾驶路径反复训练校正获取；根据所述相似度确定所述飞行员的驾驶能力。由于该驾驶能力评估指标是基于专家意见和飞
机理想航线为驾驶路径下驾驶参数确定，使得确定的评估指标匹配度较好，并且在进行云相似性处理时，使用的驾驶能力评语集是基于大量实际驾驶数据反复训练校正得到的，可参考行较好，综上，保障了对飞行员驾驶能力评估的准确性，使得评估结果具有较好的适用性。
[0075]
进一步的，本公开的实施例在将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语云的相似度时，可以采用但不局限于以下方法，如图4和所示，该方法包括：
[0076]
201、获取所述驾驶能力评语云，并形成对应的驾驶能力评语集。
[0077]
本公开的实施例中，所述驾驶能力评语云为大量实际驾驶数据反复训练校正得到的，在选择实际驾驶数据时，为了能够保证数据的可用性，可以选择不同水平的飞行员的实际驾驶数据，具体的本公开的实施例对此不进行限制。在获取所述驾驶能力评语云时，可以采用但不局限于以下的方法实现，该方法包括：
[0078]
1、获取不同等级飞行员预定数量的与所述驾驶能力评估指标对应的评语指标数据。
[0079]
2、将所述评语指标数据进行归一化处理。
[0080]
其中，将该评语指标数据进行归一化处理的时候，可以采用但不局限于评语云的合成的相关处理，具体的本实施例在此不进行限制。
[0081]
3、将归一化处理后的评语指标数据通过云逆向发生器转变为云滴，形成所述驾驶能力评语云。
[0082]
将归一化处理后的评语指标数据通过云逆向发生器转变为云滴时，可以采用但不局限于以下的方法实现，如图5所示，将归一化后的评语指标数据输入云逆向发生器生成云滴(xj,yj)。j＝1,
…
,n，设每一个xj在评语云tci中的隶属度为ηj[0083]
202、根据所述指标数据获取对应的待评价云。
[0084]
其中，本实施例中，在根据所述指标数据获取对应的待评价云时，可以采用但不局限于以下的方法实现，该方法包括：
[0085]
将所述指标数据进行归一化处理。
[0086]
其中，将该所述指标数据进行归一化处理的时候，可以采用但不局限于评语云的合成的相关处理，具体的本实施例在此不进行限制。
[0087]
b、将归一化处理后的指标数据通过云逆向发生器转变为云滴，形成所述驾驶能力待评云。
[0088]
其中，将归一化处理后的指标数据通过云逆向发生器转变为云滴时，可以将归一化处理后的指标数据输入如图5所示的云逆向发生器云滴(xj,yj)。
[0089]
203、将所述驾驶能力待评云与驾驶能力评语云进行比较，所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度。
[0090]
本实施例中，将所述驾驶能力待评云与驾驶能力评语云进行比较，可以参考图6所示的相似度计算流程。所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度δj，可以按照以下的公式实现，该公式为：
[0091]
[0092]
其中，j＝1,
…
,n，设每一个xj在评语云tci中的隶属度为ηj。该ηj的计算可以通过图6所示的公式进行。
[0093]
在执行本公开的一些实施例可以应用在不同的飞行场景，下面将以舰载机飞行员着舰场景为例，评估舰载机飞行员着舰的驾驶能力评估方法。
[0094]
首先，对舰载机飞行员着舰过程进行分析，具体分析包括：舰载机执行完任务，归航进入待降区，当接收着舰指令后，经光学着舰引导系统引导，以等角直线下滑的方式，按预定轨迹着舰。舰载机着舰过程从任务区域角度可分为归航待降、下滑着舰、着舰拦阻和逃逸复飞四个阶段，如图7所示。下滑着舰过程划分为以下四个阶段[1]：开始阶段(x)：距离理想着舰点1219-1524m的范围；中间阶段(m)：距离理想着舰点609-1219m的范围；接近阶段(ic)：距离理想着舰点183-609m的范围；着舰阶段(ar)：距离理想着舰点0-183m的范围，如图8所示。
[0095]
其次，利用德尔菲咨询法确定舰载机飞行员着舰的驾驶能力评估指标。在对利用德尔菲咨询法确定舰载机飞行员着舰的驾驶能力评估指标是，先选取专家，再执行德尔菲咨询法的流程步骤。本实施例中，为了保证专家意见的全面性，选取了着舰指挥官、特级飞行教官、特级飞行员三类专家。其中，着舰指挥官2名、特级飞行教官3名、特级飞行员3名。而后通过问卷调查的方式将相关资料以及初拟的指标体系发送给受邀专家，让受邀专家依据各自领域的知识架构，对初拟定的指标体系提出意见并且进行修改；然后进行回收、整理并汇总专家意见，并将结果再次反馈给专家；反复以上过程，通过重复不断的指标讨论、删除以及合并，确定最终的舰载机着舰评估指标体系，如图9所示。确定驾驶能力评估指标包括：高度偏差、对中偏差、迎角偏差。
[0096]
第三，在确定驾驶能力评估指标包括：高度偏差、对中偏差、迎角偏差之后，确定评语云、评语集。
[0097]
其中，在实现相似度的评估，首先需要确定阈值λ，阈值过大、过小都会对相似度结果造成巨大偏差。如何确定合适的阈值,通过选取20次实际飞行过程中的数据进行计算，计算结果表1和表2所示，通过对实际飞行过程所得试验数据的计算，得表2中的结果，可以看出欧式距离所得到的均值、方差和离差都是最小的，因此把欧式距离对应的阈值λ＝0.02作为云相似度的阈值。
[0098]
表1三种方法下阈值与验证值对比
[0099][0100]
表2三种方法下均值、方差和离差值对比
[0101][0102]
基于上述阈值λ，经专家讨论修正后将飞行员驾驶能力评语集确定为表3所示，评语集为(完美，优秀，良好，中等，较差)，对应的评语云集的相似度范围划分为(0.9，0.7，0.5，0.3，0.1)，其对应的相似度评语云如图10所示。
[0103]
表3相似度评语云集
[0104][0105]
第四，基于云理论，进行飞行员的驾驶能力待评云与驾驶能力评语集的相似度的计算。其中，在实际的飞行员着舰过程中，首先需要从飞参数据中提取高度偏差、对中偏差、迎角偏差等图9所列出的指标数据，然后将提取出的数据通过归一化处理转化，送入云逆向发生器转变为云滴(x,y)形式，得到飞行员的驾驶能力待评云。
[0106]
表4转化为云滴的数据
[0107][0108]
在阈值λ＝0.02时，选取标准着舰航线与待评估训练航线的相似度δ作为相似度的研究指标，从飞行教官、高级飞行员、初级飞行员中各随机选取一组着舰训练数据，经归一化处理、转换，经云相似度评估后分别得到飞行教官、高级飞行员和初级飞行员待评云与评语云的相似度，教官、初级、高级飞行员三者的云相似度对比，如图11(a)-图11(d)所示。
[0109]
表5给出了飞行教官、高级飞行员和初级飞行员的实际着舰待评云与评语云的相似度关系，从相似度关系得出，飞行教官与评语云“优秀”相似度最高，高级飞行员与“优秀”最为接近，初级飞行员和评语云中的“良好相似度最高。与实际的飞行教官主观综合评估结
果一致，验证了云相对度评估的合理性。
[0110]
表5评语云相似度δ
[0111][0112]
根据本公开的实施例，从飞行员的飞行参数数据中提取驾驶能力评估指标对应的指标数据，所述驾驶能力评估指标基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定；将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度，所述驾驶能力评语集为对预定数量的实际驾驶路径反复训练校正获取；根据所述相似度确定所述飞行员的驾驶能力。由于该驾驶能力评估指标是基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定，使得确定的评估指标匹配度较好，并且在进行云相似性处理时，使用的驾驶能力评语集是基于大量实际驾驶数据反复训练校正得到的，可参考行较好，综上，保障了对飞行员驾驶能力评估的准确性，使得评估结果具有较好的适用性。
[0113]
与上述图3对应的评估方法相对应，本公开还提出一种飞机驾驶能力评估装置。
[0114]
图12为本公开实施例提供的一种评估装置300的结构示意图。如图12所示，包括：
[0115]
提取模块301，用于从飞行员的飞行参数数据中提取驾驶能力评估指标对应的指标数据，所述驾驶能力评估指标基于专家意见和飞机理想航线为驾驶路径下驾驶参数确定。
[0116]
云相似性处理模块302，用于将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度，所述驾驶能力评语集为对预定数量的实际驾驶路径反复训练校正获取；
[0117]
评估模块303，用于根据所述相似度确定所述飞行员的驾驶能力。
[0118]
在一些实施例中，云相似性处理模块302在将所述指标数据进行云相似性处理，得到所述飞行员的驾驶能力待评云与驾驶能力评语云的相似度时，包括：
[0119]
获取所述驾驶能力评语云，并形成对应的驾驶能力评语集；
[0120]
根据所述指标数据获取对应的待评价云；
[0121]
将所述驾驶能力待评云与驾驶能力评语云进行比较，所述飞行员的驾驶能力待评云与驾驶能力评语集的相似度。
[0122]
在一些实施例中，所述根据所述指标数据获取对应的待评价云包括：
[0123]
将所述指标数据进行归一化处理；
[0124]
将归一化处理后的指标数据通过云逆向发生器转变为云滴，形成所述驾驶能力待评云。
[0125]
在一些实施例中，所述获取所述驾驶能力评语云包括：
[0126]
获取不同等级飞行员预定数量的与所述驾驶能力评估指标对应的评语指标数据；
[0127]
将所述评语指标数据进行归一化处理；
processor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如用于管理安全座椅的方法。例如，在一些实施例中，用于管理安全座椅的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行前述用于管理安全座椅的方法。
[0140]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、fpga(field programmable gate array，现场可编程门阵列)、asic(application-specific integrated circuit，专用集成电路)、assp(application specific standard product，专用标准产品)、soc(system on chip，芯片上系统的系统)、cpld(complex programmable logic device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0141]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0142]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、ram、rom、eprom(electrically programmable read-only-memory，可擦除可编程只读存储器)或快闪存储器、光纤、cd-rom(compact disc read-only memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0143]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(cathode-ray tube，阴极射线管)或者lcd(liquid crystal display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0144]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据
服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：lan(local area network，局域网)、wan(wide area network，广域网)、互联网和区块链网络。
[0145]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0146]
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0147]
需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0148]
应当理解，本公开中使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换该词语。
[0149]
如本公开和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0150]
其中，在本公开实施例的描述中，除非另有说明，“/”表示或的意思，例如，a/b可以表示a或b；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，在本公开实施例的描述中，“多个”是指两个或多于两个。
[0151]
本公开中使用的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
[0152]
本公开中使用了流程图用来说明根据本公开的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作，可以使用所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公
开的技术方案所期望的结果，本文在此不进行限制。
[0153]
以上描述仅为本公开的实施例以及对所运用技术原理的说明，并不用于限制本公开。对于本领域技术人员来说，本公开可以有各种更改和变化。本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。