在交通十字路口处确定驾驶员意图以避免汽车碰撞的制作方法

背景技术：

本发明总体涉及一种用于确定主车辆的驾驶员是否意图左转或右转的系统和方法，更具体而言，涉及一种用于使用所有可用提示(诸如主车辆行驶车道)以一定的置信水平确定主车辆的驾驶员是否意图左转或右转的系统和方法。

相关技术讨论

在现代车辆上，物体检测系统和防撞系统越来越普遍。物体检测系统可以向驾驶员提供关于在移动的主车辆的路径中的物体的警告。警告可以是车辆仪表板上的或平视显示器(hud)中的视觉指示，和/或可以是音频警告(诸如钟声)或其他反馈装置(诸如触觉座椅)。物体检测系统还可以向诸如自适应巡航控制系统等主动车辆系统以及后方交叉车流避免系统提供输入，其中这些主动车辆系统控制车辆速度以保持与前方车辆的适当纵向间距，这些后方交叉车流避免系统可以提供警告和自动制动以避免在主车辆倒车时与主车辆后方的物体碰撞。

使用物体检测系统的主动安全技术目前正在成为汽车工业中的主要研究领域。传感器和制动器技术的进步已经促进了驾驶员辅助系统(das)的发展，以避免道路事故，尤其是由驾驶员错误或疏忽引起的道路事故。在生产车辆中已经存在几种类型的das，如防抱死制动系统(abs)、电子稳定控制(esc)、自适应巡航控制(acc)、车道偏离警告(ldw)系统、车道变换辅助(lca)、前方碰撞预警(fca)和车道保持辅助(lka)。碰撞迫近制动是通过应用车辆制动器来避免或减轻碰撞的有效方式。碰撞避免系统还可以提供转向命令，当单独制动仅能够减轻碰撞时，这些转向命令使得主车辆遵循计算的转向路径以提供车辆转向，从而避免碰撞。

用于这些类型的系统的物体检测传感器可以使用多种技术中的任何一种，诸如短程雷达、远程雷达、具有图像处理功能的照相机、激光或激光雷达、超声波等。物体检测传感器检测主车辆的路径中的车辆和其他物体。在许多车辆中，物体检测传感器直接集成到车辆的前保险杠或其他仪表板中，但也可用其他安装位置。

可以在车辆上采用，以检测车辆周围的物体并且提供这些物体的距离和方向的雷达和激光雷达传感器提供来自物体的反射作为多个扫描点，这些扫描点组合为点云(群)范围图，其中通常为跨越传感器的水平视场的每个1/2°提供单独的扫描点。除了范围和方位角值之外，这些扫描点还以强度的形式提供目标表面的反射率测量，因此，如果在主车辆前方检测到目标车辆或其他物体，则可能存在多个返回的扫描点，其识别目标车辆与主车辆的表面反射率、距离和方位角。通过提供扫描返回点群，可以更容易地检测到具有各种和任意形状的物体，诸如卡车、拖车、自行车、行人、护栏、k型栅栏等，其中对于主车辆来说物体越大和/或越靠近，则提供的扫描点越多。

车辆上的照相机可以提供倒车辅助，拍摄车辆驾驶员的图像以确定驾驶员睡意或注意力，提供在车辆行驶时的道路的图像以用于避免碰撞，提供结构识别(诸如道路标志等)。其他车辆视觉应用包括车辆车道感测系统以感测车辆行驶车道并在车道中心驾驶车辆。许多这种已知的车道感测系统检测道路上的用于各种应用的车道标记，诸如车道偏离警告(ldw)、车道保持(lk)、车道居中(lc)等，并且通常在车辆的前部或后部使用单个照相机，以提供用于检测车道标记的图像。

在本领域中还已知在车辆上提供环绕视野照相机系统，其包括前照相机、后照相机、左侧照相机以及右侧照相机，其中照相机系统使用来自照相机的图像产生车辆和周围区域的自顶向下的视图，并且其中图像在车辆的转角处彼此重叠。可为车辆驾驶员显示自顶向下的视图以使驾驶员看见车辆周围有什么，从而用于倒车、停车等。未来的车辆可以不使用后视镜，而取而代之，可包括由环视照相机提供的数字图像。

本文讨论的该类型的各种车辆系统要求车辆的位置和方向已知。当前，现代车辆通常依赖于全球导航卫星系统(gnss)，诸如gps，其向车辆显示器提供信号以识别车辆位置。

车辆到车辆(v2v)和车辆到基础设施(v2i)通信系统(有时统称为v2x系统)对本领域技术人员是已知的，并且最少需要一个实体来向另一个实体发送信息。例如，通过简单地从相邻车辆接收广播消息，可以在一个车辆上执行许多车辆到车辆的安全应用。这些消息并不指向任何特定的车辆，而是意图与车辆群体共享以支持特定应用。在期望避免碰撞的这些类型的应用中，当两个或更多个车辆彼此对话并且可能发生碰撞时，车辆系统可以警告车辆驾驶员，或者可能对驾驶员采取规避措施，诸如施加制动。同样，交通控制单元可以观察信息的广播并且产生关于通过给定十字路口或道路的交通流量的统计。

当道路交叉时，形成十字路口。为了防止车辆在十字路口处彼此碰撞，通常设置某些类型的交通控制机构，诸如停车标志、让行标志、交通灯等，使得垂直或交叉行驶的车流可以安全地通过十字路口。存在许多可具有无交通控制的通路的十字路口，例如，主干道和较小旁路之间的十字路口，其中主干道具有右侧驶离，而较小的路可以具有停车标志。除了由交叉车流引起的事故之外，在十字路口的转弯操作期间也发生事故，其中在进行左转时关于反向车流可能会出现判定错误，并且当进行右转时关于左边来的车流也可能会出现判定错误。因此，十字路口，尤其是高流量的十字路口，是许多车辆碰撞和交通事故的原因。

当沿着道路且尤其是在十字路口行驶时试图警告驾驶员潜在碰撞的已知物体检测传感器系统可以得益于了解主车辆的驾驶员是否意图转弯。将准确的地图和车辆定位(诸如，gps)与物体检测传感器系统相结合可以提高主车辆意图检测的准确性。虽然不可能精确地知道驾驶员的意图，但是可以开发识别驾驶员将要转弯的概率的算法。

技术实现要素：

本公开描述了一种用于以一定的置信水平确定主车辆的驾驶员是否意图左转或右转的系统和方法。该方法获得多个转弯提示，其识别主车辆周围的外部参数和/或限定主车辆的操作条件，并且该方法基于转弯提示确定主车辆将进行左转或右转的置信水平，其中确定置信水平包括基于当前驾驶员操作条件对每个提示进行加权。

结合附图，通过以下描述和所附权利要求书，本发明的附加特征将变得显而易见。

附图说明

图1是包括用于识别车辆操作并检测车辆周围物体的各种部件的车辆的示意图；

图2为示出主车辆进行左转的十字路口的示意图；

图3为示出用于确定主车辆是否意图进行左转或右转的方法的总体概述的流程图；

图4a和图4b为示出用于组合相关提示以一定置信水平确定主车辆是否意图进行左转或右转的方法的流程图；以及

图5为示出用于确定当进行左转时主车辆意图在迎面驶来的车辆前面让车还是径直穿过的方法的流程图。

具体实施方式

针对一种用于以一定置信水平确定主车辆是否意图进行左转或右转的系统和方法的本发明实施例的以下讨论在本质上仅仅是示例性的，并非旨在限制本发明或其应用或使用。

如下面将详细讨论的，本发明提出了一种用于基于所有可用信息(例如信号、线索)(这里被称为提示)以一定置信水平确定主车辆的驾驶员是否意图进行左转或右转的系统和方法。虽然该系统和方法的主要应用是确定在十字路口处驾驶员的转弯意图，但是算法将一直监测可用提示以一直确定驾驶员转弯意图。例如，算法组合来自车载主动和被动传感器的数据、来自其他车辆的信息、无线信号、gps、地图数据库、驾驶员行为、路面状况、天气等，以确定在特定时间点驾驶员意图左转或右转的置信水平。该算法开发了一种评估和量化在十字路口或其他地方驾驶员转弯意图的方法，并且如果可用，则使用来自基础设施服务器的十字路口几何形状数据(gid)图，诸如基础设施到车辆通信、onstar^tm、互联网云等等，或者通过车载地图数据库提供的gid图。当远程车辆到达十字路口或在主车辆附近行驶时，考虑主车辆速度、加速度、主车辆的路径历史、主车辆的相对位置和外部物体等，计算车辆意图进行左转或右转的置信水平。当主车辆在十字路口内和接近十字路口附近时，将连续更新置信水平。用于计算置信水平的算法适于促进数据的改变和可用性以及数据源的质量，其中算法是通过利用来自先前事件的数据而自学习的。将所确定的置信水平与一个或多个阈值进行比较，并且如果置信水平超过任何阈值，则可以提供信息、警告、自动制动等。其他车载应用可以使用可能转弯的置信水平来采取适当的动作，诸如相对于左转和右转的额外的威胁评估和车辆控制动作、接通车辆状态(诸如转弯信号)、通过v2v通信将主车辆意图传达至其他车辆等等。

图1是车辆系统10的简单示意图，车辆系统10包括车辆12，车辆12具有地图数据库14、导航系统16、操作控制器18、警告装置20、传感器/检测器32和车辆控制器22。控制器18旨在表示执行和运行本文所讨论的各种算法和方法所需的所有单独的模块、控制器、处理器、电子控制单元等。地图数据库14存储可用的任意详细等级的地图信息，包括关于十字路口的具体信息，诸如车道数量、车道行驶模式等。地图数据库14与导航系统16相关联地运转以显示各种地图和其他可用信息，并且允许用户输入、计划和显示路线。传感器/检测器32旨在表示车辆12上的任意和所有物体检测传感器或照相机，诸如位于车辆12上的任意位置的前照相机、后照相机、侧照相机，倒车照相机、激光雷达传感器、远程雷达检测器、短程雷达检测器、超声波传感器等。警告装置20可以是任意合适的警告装置，诸如显示图标、触觉座椅、钟声等。控制器22控制车辆12的操作，包括转向、制动、减速等，可能用于自主和半自主能力，并且提供与本文的讨论一致的任意其他车辆控制。车辆12还包括无线端口24，其允许车辆12从诸如互联网26、卫星28、无线基础设施30等许多源无线地传送消息和接收消息。无线端口24还允许车辆12提供v2i和v2v通信(如果可用的话)。

图2为示出了限定十字路口46的垂直道路42和44的示意图40，其中道路42包括由中间车道52隔开的反向交通车道48和50。应注意，本文的讨论还包括道路不垂直的十字路口。主车辆54在车道48中行驶，并且反向远程车辆56在车道50中行驶，其中主车辆54向左转入远程车辆56前方的道路44中，这可能是潜在的碰撞风险。当有停车标志或信号时，即使当主车辆54直线穿过十字路口46时，主车辆54也可以在十字路口46处减速。如果仅有单个车道用于所有直行、左转和右转车辆，那么不知道主车辆54的意图甚至会更成问题。

图3是用于确定在某个时间点主车辆54意图(通常在所识别的十字路口)进行转弯并接着根据碰撞风险采取一些动作的置信水平的方法的总体概览。用于确定置信水平的算法在车辆系统中连续运行，使得诸如车辆位置、车辆行驶车道、车辆速度、车轮角度等各种输入可以提供主车辆54意图进行转弯的指示，并且该置信水平基于各种因素上升或下降。在方框62处，算法获得可用于确定主车辆54意图进行转弯的置信水平的数据和提示。例如，可以从车载传感器获得数据，从基础设施接收的无线数据(诸如v2x、onstar^tm、互联网云等)、车辆54所在的行驶车道、车辆54的速度、转弯信号激活、车辆54是否正在减速、十字路口几何形状数据、行驶车道的拥堵等。在方框64处，算法将gps坐标、地图数据、其他车辆的位置和移动方向、静止地标和车道标记等组合以确定主车辆54正在行驶的车道。在方框66处，算法使用可用信息来计算置信水平，如下面将详细讨论的，以确定车辆54是否意图进行左转或右转。在方框68处，算法将比较所计算的置信水平和一个或多个阈值，以确定是否需要采取某些动作，诸如通知驾驶员、提供警告、提供自动制动等。

算法可用的一些提示可对于确定主车辆54是否意图进行转弯(诸如左转信号)比其他提示更重要。高权重提示之一是主车辆54当前所在的行驶车道，诸如其是在左车道还是在左转专用车道，其中车道数据可以或可以不由地图数据库14提供，以及主车辆54占用的先前车道，即，主车辆54最近是否已将车道改变为转弯车道。如果导航地图包括车道的数量，则该信息可以用于确定主车辆54处于什么车道，以及其是否正在变换车道还是左转或右转。如果地图数据库不包括单独的行驶车道，则算法可以使用其他可用数据，诸如反向或同向上的其他车辆的位置和行驶方向以及诸如路缘等物体的位置，以确定主车辆54处于什么车道。例如，如果在主车辆54的左侧没有相同方向的车辆，并且紧邻主车辆54的左侧还有其他方向的车辆，则主车辆54在最左侧行驶车道中。此外，算法可以采用主车辆54的路径历史和由地图数据库14提供的道路中心坐标，以确定道路的中心，并且基于该已知位置确定主车辆54是否已经与道路中心发生任意横向偏差以帮助确定主车辆54是否意图变换车道。而且，算法还可以使用车载传感器来识别主车辆54相对于其他车辆的相对位置、道路标志的位置、道路特征的标识，诸如曲线、车道标记、车道颜色等。

算法还可以使用来自地图的车道水平图、十字路口几何形状和交通方向细节来确定主车辆54处于左转专用车道或允许左转车道，以确定主车辆54意图转弯。算法还可以采用感测系统输入来确定主车辆54在左转专用车道中(诸如识别信号灯类型，即左转箭头)，识别指示交通方向的道路标志和车道标记，以及评估在主车辆54前方相同车道中的远程车辆56的路径和位置、远程车辆56的横向偏离(诸如相同方向的远程车辆在最左侧表明主车辆54不大可能在左转车道)，并且采用v2v或v2i数据来确定远程车辆56的路径历史和路径预测以确定交通流量和方向。

图4a和图4b为示出由本文讨论的算法所使用的方法的流程图70，该方法用于组合相关提示以在方框66处计算主车辆54意图在十字路口或其他位置进行左转或右转的置信水平，其中接着可以在方框68处，在车辆54上的其他系统中使用该置信水平以在必要时提供驾驶员信息、警告、自动制动等。如将要讨论的，图70中所示的方法基于可用的相关提示(诸如车辆操作、主车辆54周围的远程车辆56的位置和速度、车辆路径历史、十字路口几何形状、路边物体等)来增加或降低置信水平。随着算法监测各种提示并且随着主车辆54行驶，将基于那些提示不断地更新置信水平。

根据以下讨论将变得显而易见的是，流程图70中描述的方法确定主车辆54的驾驶员是否意图在不久的将来进行左转或右转其中之一的运行置信水平。不同的算法也连续地运行以确定主车辆54的驾驶员是否意图同时进行左转或右转中的另一个。本文中的讨论将图70的操作视为尝试识别两个置信水平。还应注意，对于图70所描述的方法观察几个提示以计算意图转弯的置信水平。当在该方法中评估每个提示时，主车辆54意图进行转弯的置信水平将基于提示的加权相关性而上升或下降。然而，应当注意，其他提示也是可用的，并且可用于确定驾驶员进行转弯的意图，其中一些提示比其他提示权重更高，并且所讨论的提示的顺序对于算法的操作并不重要。给予置信水平增加的权重因数可以基于许多各种因素(诸如主车辆可能接近十字路口的程度、是否可以转弯进入道路等等)进行调整。

在一个实施例中，用于计算置信水平(cl)的算法包括：

cl＝cl初始％

forj＝1:n{

if(dj＝＝增加cl){

cl＝min(100％，cl+αj)

}else

-if(dj＝＝降低cl){

cl＝max(0％，cl-βj)

}

}，

其中：

cl初始是初始cl值，其可以基于算法的精确实现(示例：0％、100％、50％等)来选择，

n＝提示数量，

dj＝基于第j个提示的判断，

αj和βj＝给予第j个提示的权重，

并且其中可以根据经验确定αj和βj，可以基于之前遭遇期间的驾驶员行为来更新αj和βj，诸如可以基于到十字路口的距离、状态的持续时间、驾驶员在左转期间启用转弯信号的频率等等，以及诸如十字路口的类型等其他环境因素来调整用于计算左转置信水平的αj和用于计算“左转信号开启状态”相关的右转置信水平的βj。应注意，用于确定置信水平的其他算法也可适用，诸如使用贝叶斯公式的条件概率法。

算法在方框72处开始，并且在判断菱形框74处确定主车辆54是否正在完全自主驱动或手动驱动。如果在判断菱形框74处车辆54为自主地驱动，则在判断菱形框76处算法确定是否在有效路线中左转或右转接近，如果是，则在方框78处将发生转弯的置信水平为100％，否则在方框80处置信水平为0％。

如果在判断菱形框74处算法确定主车辆54为手动驱动，则算法所关注的第一提示是在判断菱形框82处主车辆54是否在左转专用车道或右转专用车道中，条件是该信息可从地图数据库14获得或者使用诸如道路标记、道路标志(例如，“右车道必须向右转”)、信号灯(箭头)等其他输入来确定。如果主车辆54在左转专用车道或右转专用车道中，则在方框84处该算法以高权重因数增加车辆54将进行转弯的置信水平。如果在判断菱形框82处车辆54不在左转专用车道或右转专用车道中，则算法确定主车辆54当前行驶的车道是否可用于进行左转或右转(即，是否是共用车道)，其中在判断菱形框86处，主车辆54可以保持直行、可以左转和/或可以右转。如果主车辆54不在可以转弯的车道中(即，在左车道中，其中不可能进行右转)，则在方框88处主车辆54将要进行右转的置信水平降低。如果在判断菱形框86处，主车辆54在可以左转或右转的车道中行驶，则在方框90处主车辆54可能进行左转或右转的置信水平增加，其中该置信水平的增加与其他因素组合加权，因为单独行驶车道不能指示转弯。

算法所关注的下一个提示是，在判断菱形框92处主车辆54最近是否移动到左或右车道，根据主车辆54移动的方向，其将指示主车辆54正在意图进行左转或右转，其中如果在判断菱形框92处主车辆54已移动到左或右车道，则在方框94处针对该左转或右转置信水平增加。同样地，在判断菱形框96处，算法还确定主车辆54是否已经移动到左或右车道的反向车道中。如果算法正在确定主车辆54是否意图进行左转的置信水平，则移动到右车道将指示车辆54并非意图进行左转，其中在方框98处置信水平降低。同样地，如果算法正在确定主车辆54是否意图进行右转的置信水平，则移动到左车道将指示车辆54并非意图进行右转，其中在方框98处置信水平降低。

基于在判断菱形框92和96处主车辆54变换车道来对是否增加或降低置信水平的确定，可以基于主车辆54移入的车道的交通量是否大来进一步评估，其中从车辆较少的车道移动到车辆较多的车道将指示主车辆54意图转弯。例如，当在判断菱形框92处主车辆54移动到左或右车道中并且在方框94处置信水平增加时，则在判断菱形框100处算法可以确定车辆54移入的车道是否是交通量大的车道，如果是，则在方框102处进一步增加车辆54意图进行左转或右转的置信水平。同样地，如果算法确定车辆54正在从确定的左转或右转车道移动到反向车道，其中在方框98处置信水平降低，则在判断菱形框104处算法可以确定车辆54移入的车道是交通量大的车道，并且如果是，则在方框106处进一步降低主车辆54将进行其他左转或右转的置信水平。

如果在判断菱形框100或104处，车辆54已移入的车道并非高流量交通车道，那么该算法可关注的下一个提示是，主车辆54是否在主车辆当前位置处频繁左转或右转，即，在判断菱形框108处主车辆54是否遵循先前共同路径，如在工作地点与家庭之间行驶。如果主车辆54在诸如某个十字路口等特定位置处频繁转弯，那么在方框110处该算法提高车辆54意图再次转弯的置信水平。当存在主动导航制导时，该算法在类似情形中使用导航输出提示以高权重因数提高置信水平。如果在判断菱形框108处主车辆54并未在当前位置处频繁转弯，那么在判断菱形框112处该算法移动至下一个提示以用于确定置信水平，其包括确定驾驶员是否已接通左转或右转信号。如果在判断菱形框112处驾驶员已接通左转或右转信号，那么基于适当的权重因数，在方框114处主车辆54意图转弯的置信水平提高，否则在判断菱形框116处该算法移动至下一个提示，其确定是否有左转或右转被编程至导航系统16中。该权重因数可由例如交通信号的持续时间、驾驶员的先前行为、主车辆54是否靠近十字路口、与该十字路口的距离、十字路口的类型等调整。

如果在判断菱形框116处有左转或右转被编程至导航系统16中，那么在方框118处会发生转弯的置信水平会以高权重因数提高，否则在判断菱形框120处该算法移动至下一个提示，其确定当主车辆54可以采取其他行动时是否有意减速。如果在判断菱形框120处确定主车辆54正在减速，那么在方框122处主车辆54意图转弯的置信水平提高，否则该算法移动至下一个提示，其包括在判断菱形框124处确定驾驶员的注意方向。例如，主车辆54内的照相机可以能够确定驾驶员是否向左看或向右看(其指示驾驶员可能左转或右转)，或是否更加注意相反方向的交通(其指示驾驶员可能左转)，其中在方框126处转弯的置信水平提高。如果在判断菱形框124处该算法未识别驾驶员注意力的提示，那么该算法在判断菱形框128处移动至下一个提示，其确定主车辆的预测路径在例如十字路口处是向左移动还是向右移动。如果在判断菱形框128处主车辆的预测路径向左侧或右侧移动，那么在130处该算法提高意图转弯的置信水平，其中该算法在方框132处结束。

应当注意，这里讨论的用于评估提示以确定主车辆转弯意图的算法是可调适的，给予特定提示的权重因数可基于驾驶记录和其他因素而提高或降低。此外，应注意，本文所讨论的评估提示的顺序是一个非限制性示例，其中其他评估顺序可同样适用。

尽管这里讨论的用于确定转弯意图的算法具体地应用于在地图数据库14中已有的已知十字路口处转弯，但是该算法还可应用于确定驾驶员在诸如车道等未知十字路口(其通常不在地图数据库中)处左转或右转的意图，或通过v2i通信，这限制了识别他们确切位置的能力。由于该证据通常不可用于在这些位置处转弯，因此其他提示就变得更加重要，如移入中间转弯车道、当主车辆54前方没有远程车辆时减速等。还应注意，这里讨论的算法可适应于应对不同类型的十字路口，如那些有交通信号、停车标志的十字路口和不受控制的十字路口。例如，如果当接近不受控制的十字路口时主车辆54减速，则这是驾驶员意图转弯的明显提示。然而，对于有信号或停车标志的十字路口，这种提示就不是明显指示。通过修改与相关提示相关联的权重因数，可将这些额外细节包含在该算法中。

驾驶员转弯意图的另一确定是为了区分主车辆54是让步于在相反方向上行驶的远程车辆，还是在执行左转时径直穿过远程车辆的路径。该确定是重要的，因为警告或控制动作可能不同。例如，如果驾驶员的意图是让步于迎面而来的远程车辆，则该算法可提供警报，但是如果主车辆54试图径直穿过迎面而来的远程车辆的路径，则发出警告和/或采取自动控制动作。在这种情形下可采用各种提示，包括主车辆54的速度和加速度、主车辆54的负重轮转角和横摆角速度、主车辆54的预计速度曲线和主车辆位置。

可采用不同的算法以用于确定驾驶员的意图是在左转时从迎面而来的车辆前径直穿过，还是让步于该车辆。图5是示出了一个此类算法的处理步骤的流程图140。该算法从方框142处开始，然后，在判断菱形框144处，通过确定主车辆54的速度低于预定低速v1，主车辆54的负重轮转角(rwa)大于预定负重轮转角rwa1(其为相当大的负重轮转角)以及主车辆54的制动踏板是否已被释放，来确定驾驶员是否意图从静止或缓行状态从迎面而来的车辆前径直穿过。如果满足了所有这三个条件，那么在方框146处该算法确定驾驶员意图从迎面而来的车辆前径直穿过。

如果在判断菱形框144处该算法确定驾驶员并没有意图从静止或缓行状态从迎面而来的车辆前径直穿过，那么该算法继续进入判断菱形框148以确定驾驶员是否意图从小的相对速度开始从迎面而来的车辆前径直穿过，这个小的相对速度大于速度v1。在这个判断中，该算法确定主车辆54的速度大于速度v2(v2大于速度v1)，rwa大于预定rwa2(rwa2小于rwa1)，且主车辆54以大于预定加速度a1的值加速。如果满足了所有这三个条件，那么在方框150处该算法确定车辆驾驶员意图从相对较小的速度开始从迎面而来的车辆前径直穿过。

如果在判断菱形框148处该算法确定车辆驾驶员并没有意图从小的启动速度从迎面而来的车辆前径直穿过，则在判断菱形框152处该算法确定驾驶员是否意图在相对较大的速度下从迎面而来的车辆前径直穿过。在这个判断中，该算法确定rwa是否大于预定负重轮转角rwa3(rwa3小于rwa1和rwa2)，是否有大于速度v3(v3大于v1和v2)的大的预计车辆速度，以及小于预定减速度d1的主车辆54的小的减速度。如果满足了所有这三个条件，那么在方框154处该算法确定主车辆54意图在大的速度下从迎面而来的车辆前径直穿过。

如果在判断菱形框144、148和152处一个条件都不满足，那么在方框156处该算法确定主车辆54意图让步于迎面而来的交通。阈值v1、v2、v3、rwa1、rwa2、rwa3、a1和d1可根据经验确定，且不同的阈值可适于不同的驾驶配置，如积极、正常和保守。

对于特定驾驶员可采用调适过程，在该调适过程中用于提供警告或警报的阈值可基于先前置信水平计算而提高或降低。例如，如果置信水平高于驾驶员转弯的阈值，但并没有转弯，那么这个阈值可提高。下面的表1示出了基于调适置信水平而提高或降低阈值的一个示例。

表1

t＝a+b+c+d：先前cl计算的总数

pfa(错误警报的概率)＝c/t

pmiss(丢失概率)＝b/t

阈值可以被确定为限制pfa或pmiss的值

正如本领域专业技术人员完全能够理解的，这里讨论的描述本发明的几种和各种步骤和方法可指由计算机、处理器或其他利用电现象操作和/或转换数据的电子计算装置执行的操作。那些计算机和电子装置可采用各种易失和/或非易失存储器，包括非瞬时性计算机可读介质，其上存储可执行程序，可执行程序包括可以由计算机或处理器执行的各种代码或可执行指令，其中存储器和/或计算机可读介质可包括所有形式和类型的存储器和其他计算机可读介质。

以上的讨论仅仅揭示和描述本发明的示例性实施例。本领域技术人员将会容易地从这种讨论以及从附图和权利要求书中认识到，在不偏离由以下的权利要求书限定的本发明的精神和范围的情况下，可以在其中作出各种改变、修改和变更。