【文章內(nèi)容簡介】 sor corresponds to a type of context atom. For each type of context atom, a descriptive name must be assigned for applications to use the contexts. We use ontology to define the name to guarantee the semantic understanding and sharing in smart cars. We use three ontologies as shown in (1) Ontology for environment contexts. The environmental contexts are related to physical environments. The ontology includes the description of weather, road surface conditions, traffic information, road signs, signal lamps, work status, etc. (2) Ontology for car contexts. The car ontology includes three parts: the power system, the security system and the fort system. The power system concerns the engine status, the accelerograph, the power (gasoline), etc. The security system includes factors related to safety of the car and the driver, such as the status of the air bag, the safe belt, the antilock braking system (ABS), the reverseaids, the navigation system, and the electronic lock. The fort system is about entertainment devices, the air conditioner, windows, etc. (3) Ontology for driver contexts. The driver contexts are about the driver’s physiological conditions, including the heart beat, blood pressure, density of carbon dioxide, diameter of pupils, etc. The information is used to evaluate the health and mental statuses of the driver for determining whether he/she is able to continue driving. To use the context atoms, the subscription and publication mechanisms are employed. 5 Those applications interested in specific contexts atoms will be added to the subscriber list, along with information on how to publish context to them. Once a subscribed context changes, the new data will be delivered to the subscribing application. Context situation: training and recognition Context situation recognition is a reasoning process and should be real time. This research uses a patternbased inference engine and includes two parts:offline statisticbased situation pattern training and online situation recognition (). The training phase is used to learn the statistical relationship between context atoms and situations and hence to generate the pattern of every single situation. The online recognition phase is used to recognize the current situation according to its pattern in the running time of a smart car. 附錄 B 具有情景感知的智能汽車：從模型到原型的發(fā)展 摘要 ：由于智能汽車到處都應(yīng)用著微機，所以這是有前途的領(lǐng)域。在敏感環(huán)境中主要就是為了 智能汽車更安全和更容易的駕駛。盡管許多工業(yè)創(chuàng)新和學(xué)術(shù)研究上取得了很大的進展，但是我們發(fā)現(xiàn)充分缺乏 具有情景感知 的智能汽車。 本研究闡訴的總體結(jié)構(gòu)是智能汽車的語境方面。其中一方面描述復(fù)雜的駕駛環(huán)境的模型。智能汽車原型的內(nèi)置設(shè)施包括具有情景感知的軟件模型和提供應(yīng)用程序運行環(huán)境的 硬件。對其進行評估有兩個性能指標：對語境、情景識別精度和效率。對整個語境識別所的響應(yīng)時間大約是一個人的 陪，在非時間關(guān)鍵型智能車的應(yīng)用程序中是可接受的。 關(guān)鍵詞 :智能汽車、智能車輛、環(huán)境敏感、無處不在的微機 數(shù)字對象唯一標識符： 。 A0820214文檔代碼 :TP39 CLC. 介紹 在日常生活中汽車將成為私人經(jīng)常使用中重要的部分。然而，他們也帶來很多問題，如交通擁擠和事故。智能汽車的目的是協(xié)助駕駛員更容易駕駛，減少駕駛員的工作量和受傷的機會。為了這個目的，一個智能的 汽車必須能夠感知、分析、預(yù)測和反應(yīng)道路的環(huán)境，智能汽車的關(guān)鍵特征是語境意識。 6 在過去的十年中已經(jīng)應(yīng)用許多技術(shù)，如智能交通運輸系統(tǒng)和先進的駕駛輔助系統(tǒng)。然而，目前的智能汽車是不能真正感知情景。只利用在少數(shù)道路的環(huán)境類型，這被稱為背景。此外，目前的智能汽車缺乏復(fù)雜的推理。這些缺點限制了輔助駕駛?cè)蝿?wù)的智能車的能力和安全。本文研究的重點是如何研制出具有情景感知的智能汽車。 本文的一下部分安排如下：第二 2 節(jié)介紹了智能車的相關(guān)工作。在第 3 節(jié)對智能小車進行描述。第 4節(jié)介紹綜合應(yīng)用在智能車運行環(huán)境中具有情景 感知和分析信息的模型。在第 5 節(jié)介紹智能汽車的原型，包括硬件設(shè)施和軟件平臺。在第 6 節(jié)和 7 節(jié)中給出績效評估的結(jié)論。 相關(guān)工作 在過去的十年中，許多學(xué)術(shù)界和產(chǎn)業(yè)界已經(jīng)在研究智能汽車。以下是這一領(lǐng)域的主要進展的綜述。 （ 1）新的制造技術(shù)。麻省理工學(xué)院媒體實驗室研制出了一個概念車，城市車（麻省理工學(xué)院， 2021），一個輕量級的電動車輛。這輛車采用了完全集成在車輪的電動馬達和懸掛系統(tǒng)，都是獨立的、數(shù)字控制的、可重構(gòu)的。附帶無線連接和一個谷歌信息網(wǎng)格，司機可利用這些明確路況。 （ 2） 汽車馬努建筑中實現(xiàn)許多新 穎的想法在他 們的最新系列的概念車。寶馬的互聯(lián)駕駛包括寶馬協(xié)助、寶馬在線和司機輔助系統(tǒng) ,支持換車道警告和停車助理 (Hoch et al.,2021)。梅賽德斯 奔馳是一個智能司機援助系統(tǒng) ,利用立體攝像機和雷達傳感器來監(jiān)視四周車 (奔馳 ,2021)。沃爾沃的副駕駛員是個聰明的助理 ,負責(zé)協(xié)調(diào)信息 ,研究交通狀況 ,協(xié)助司機 (沃爾沃 ,2021)。雷克薩斯對其 LS 系列提供了先進的主動的安全技術(shù) ,其中包括一個先進的預(yù)碰撞系統(tǒng) ,動態(tài)驅(qū)動、電子剎車援助 ,公園援助系統(tǒng) (雷克薩斯 ,2021)。 （ 3） 防撞系統(tǒng)。 塞維特 項目開發(fā)的一個重要組成部分是監(jiān)視道 路，對車輛和駕駛員的狀態(tài)和潛在的安全效益評價（ Lee 等人， 2021）。智能交通車輛項目地址導(dǎo)航，避障和排隊（ Parent 和 Fortelle， 2021）。 這個項目主要是在擴展時間范圍，獲取安全相關(guān)的信息 ,提高測量精度、可靠性和質(zhì)量的驅(qū)動 (朱里奧 ,2021)。 （ 4） 車輛接口。車輛接口 (助手 )項目目的是最大化效率和使高級駕駛輔助系統(tǒng)更為安全 ,同時最小化工作負載和干擾車載信息系統(tǒng)實施的 (Kutila 等人 ,2021)。通信多媒體單元內(nèi)的車 (通信 )項目旨在設(shè)計懲罰使用機上的多媒體人機界面。一個信息經(jīng)理收集反饋信息 ,根據(jù)當(dāng)前 的駕駛和環(huán)境情況估計司機的工作量 (Bellotti 等人 ,2021)。 （ 5） 司機的行為識別。在一個智能汽車上，驅(qū)動程序扮演重要的角色。機器實驗和動 7 態(tài)圖形模型 ,比如 隱馬爾可夫模型 (Oliver 和 Pentland,2021),高斯混合模型 (Miyajima 等人 ,2021 年 )和貝葉斯網(wǎng)絡(luò) (Kumagai 和 Akamatsu,2021),可廣泛應(yīng)用于建模和識別司機的行為。 （ 6） 溝通和合作。 CarTALK用于 傳輸信息在汽車附近 (Reichardt等人 ,2021) 。COM2REACT(2021)建立了一個合作的、多層 次的運輸車輛 ,車輛虛擬分中心通過溝通和車輛中心通信。 COOPERS項目 (2021)提供了當(dāng)?shù)厍闆r信息 ,通過專門結(jié)構(gòu)支持把交通、基礎(chǔ)設(shè)施狀態(tài)信息和車輛通信鏈接。封面項目 (2021)開發(fā)語義驅(qū)動的合作系統(tǒng)與主要集中在基礎(chǔ)設(shè)施和車輛之間的通信。 COVER 項目 (Rusconi等人 ,2021)設(shè)計了一種智能合作系統(tǒng) ,它從其他車輛在附近和路邊設(shè)備提供了實時信息來提高司機的反應(yīng)。 IWAY項目(2021)發(fā)展合作系統(tǒng)防止交通事故涉及弱勢道路使用者 ,如摩托車、自行車和行人。合作車輛基礎(chǔ)設(shè)施系統(tǒng) (減振系統(tǒng) )項目 (2021)創(chuàng)建了一個統(tǒng)一的技術(shù)解決方案允許所有車輛和基礎(chǔ)設(shè)施元素相互溝通在一個連續(xù)的和透明的方式。 7）車輛安全。安全的車載通信項目提供了一個完整的定義和實施車輛安全要求，和其他車輛間通信（ Panos 等人， 2021）。車載 Ad Hoc 網(wǎng)絡(luò)的安全也部分地解決了安全車（ Magda 等人 , 2021。 Hubaux 等人 , 2021。 Raya 和 Hubaux, 2021。 Bryan 和 Adrian, 2021） ，根據(jù) VANET 給出了問題的陳述并提出了解決的方案。 然而，我們發(fā)現(xiàn)大部分的工作是并沒有充分語境感知。目前的工作通 常集中在特殊的實用技術(shù)，如通信，傳感和驅(qū)動程序的幫助。此外，為進一步分析語境的推理是不足夠被重視的。這將限制智能汽車得某些配件，所以要求不同，會導(dǎo)致不同的智能汽車。對智能車的綜合理解有一個缺乏共識和全面的觀點。 本研究試圖從一個自底向上的方式，上下文感知的角度建立一個智能車。我們想建立一個一般性的理論基礎(chǔ)和智能汽車的基礎(chǔ)框架。所有可以表征的駕駛環(huán)境的實體將被收集和定義的上下文。對復(fù)雜的形勢的分析、推理將發(fā)揮重要的作用。在這樣一個智能車，我們可以擁有不同的服務(wù)和應(yīng)用程序。 整體架構(gòu) 智能汽車是許多不同 的傳感器、控制模塊和執(zhí)行器等的綜合集成，（王， 2021）。智能車的駕駛環(huán)境監(jiān)測，評估可能的風(fēng)險，并采取適當(dāng)?shù)男袆?，以避免或減少風(fēng)險。 （ 1） 交通監(jiān)控。各種掃描技術(shù)可用于識別距離車和其他道路使用者之間。積極的環(huán)境感知和汽車將在不久的將來的一般能力（唐等人。， 2021）。激光雷達和視覺為基礎(chǔ)的方法可以用來提供定位信息。雷達和激光雷達傳感器提供的相對位置和相對速度信息的對 8 象。多攝像機能夠消除盲點，認識障礙，并記錄環(huán)境。除了上述的傳感技術(shù)，汽車可以得到交通信息從互聯(lián)網(wǎng)上或附近的汽車。 （ 2） 驅(qū)動程序監(jiān)控。司機代表最高的安全風(fēng)險 。幾乎 95%的事故是由于人的因素和幾乎四分之三的人的行為是完全怪（ RAU， 1998）。智能汽車的有前途的潛力，協(xié)助駕駛員提高態(tài)勢感知和減少錯誤。攝像機監(jiān)控駕駛員的視線和活動，智能汽車試圖讓駕駛員的注意力在前進的道路上。生理傳感器可以檢測司機是否處于良好狀態(tài)。 （ 3） 車輛監(jiān)控。一輛汽車的動力學(xué)可以從機讀，油門和剎車裝置。這些數(shù)據(jù)將通過控制器區(qū)域網(wǎng)絡(luò)（ CAN）轉(zhuǎn)移分析汽車是否功能正常。 （ 4） 評估模塊。它決定根據(jù)交通狀況的駕駛?cè)蝿?wù)的危險，司機和汽車。不同級別的風(fēng)險會產(chǎn)生不同的反應(yīng)，包括通知司機通過人機界面（ HMI）和汽車執(zhí) 行器采取緊急行動。 （ 5）人機界面。它警告說，在非緊急情況下的潛在風(fēng)險的驅(qū)動程序。例如，一個累了司機會吵醒的報警聲或振動座椅。視覺指示應(yīng)以謹慎的方式，從一個復(fù)雜的圖形或長文本的句子會嚴重損害駕駛員的注意力和可能造成的危害。 （ 6） 執(zhí)行器。執(zhí)行器將執(zhí)行指定的控制對汽車沒有司機的命令。智能汽車將采取積極措施，如停止的情況下，汽車的驅(qū)動程序無法正確動作，或采用被動保護減少突發(fā)事故可能造成的危害，例如，彈出安全氣囊。 語境感知的模型 環(huán)境監(jiān)測收集汽車、司機和路面信息時，為了實現(xiàn)情景感知的智能車，我們必須從語境分析 出發(fā)。我們開發(fā)了一個層次的情景感知的模型，這是表示和分析智能車的環(huán)境的基礎(chǔ)上。 語境感知的模型