用户先前在该终点位置选择的特征的类型。即，用户在终点位置先前已经使用过停车特征。额外地，情境模块120、125可接收这些情境变量以及其它变量。在一个示例中，情境模块120、125可接收表明当前位置附近的停车选项的公共停车数据。这些变量可被发送到处理器115，处理器115可为与特定驾驶情境相关的可选选项分配特征分数。在一个示例中，如果车辆接近该车辆通常使用停车特征的位置，但是该车辆正在高速行驶，则可将低分数(例如，0.3)赋予当前驾驶情境。在另一示例中，如果车辆正在低速驾驶，则可将高分数(例如，0.8)赋予当前驾驶情境。处理器115可选择具有最高分数的可选选项以显示在用户界面装置105上。当与可选选项相关联的特征分数超过当前显示的选项的特征分数时，可选选项可替代当前选项。
[0047]针对以上示例，系统100可使用当前车辆位置、终点位置和车辆速度来确定用于停车特征的特征分数。终点位置可以是用户的期望目的地。可以由情境模块120、125确定终点位置。还可以响应于用户输入由另一组件(例如GPS系统)确定终点位置。如所讨论的，终点位置还可以是预测的目的地或位置。可以基于动态学习和预测模块来确定预测的目的地。该模块能够学习和记录各种停靠和启动习惯，并且可以在没有用户输入的情况下内在地识别频率位置。预测模块可考虑若干因素，诸如一天中的时间、一星期中的哪天等。因此，当车辆开始沿识别出的路线行驶时，预测模块可基于用户和/或车辆的过去历史预测的终点位置是少数或可能的目的地之一。此外，预测的位置可以是用户先前使用过停车特征的位置。这些历史停车位置可以由如在此描述的数据存储器130内的用户标识来识别。
[0048]还可以使用终点位置确定潜在的外部停车位置。外部停车位置与终点位置的区别可在于:外部停车位置可以是终点位置附近的停车建筑物或停车场。可以从数据存储器130或其它位置(诸如经由无线通信或专用信道从移动装置)获得外部停车位置。例如，移动装置内的地图应用可将附近的停车建筑物提供给处理器115和/或情境模块120、125。还可使用提供各种停车位置的本地市政地图。数据存储器130还可包括可用停车位置的地图数据库。因此，可以由数据存储器130、或者界面系统100之内或之外的另一组件提供外部停车位置。在一些情况下，外部停车位置可来自公共源以及私有数据库。
[0049]图1B示出了用户界面系统100的实施例的一般系统交互。最初，控制器接收来自于基本传感器135和140的输入，其收集来自于车辆上可用的传感器或传感器系统的信息，并且输出简单情境变量。例如，基本传感器可以表示当前外部温度、车辆速度传感器，或者车辆GPS位置。情境模块120和125可以接收简单情境变量、其它智能情境变量、和/或来自于外部数据存储器130的位置数据，以产生智能情境变量。来自外部数据存储器130的位置数据可包括从公共源以及私有数据库接收到的停车位置。处理器115既可以接收智能情境变量也可以接收简单情境变量，以将它们的值归于多个可选选项。可选选项每一个均与从所接收的情境变量的值所产生的特征分数相关联。每一个可选选项均持续接收来自于基本传感器和情境模块的输入。然而，取决于驾驶情境，与可选选项相关联的特征分数不同。例如，如果情境变量表达车辆正在高速公路上接近速度限制行驶，则巡航控制特征的可选选项将会产生高分数，而加热座椅或者车库门开启特征将会产生低特征分数。
[0050]处理器115可以按照可选选项的特征分数对它们进行排序。处理器115可以选择最高分数的可选选项。根据用户界面系统100的配置方式，处理器115可以提升具有最高特征分数的可选选项或提升多个可选选项到用户界面装置105。同时，处理器115可以从用户界面装置105消除不再具有高度用户交互可能性的特征。基本传感器135、140以及情境模块120、125 —直是活跃的，以便于针对每一个可选选项产生连续的特征分数。处理器115使用这些分数以向用户界面装置105提供最新的驾驶情境，使得具有最高特征分数的可选选项永远显示在用户界面装置105上。
[0051]图2示出了可以由用户界面系统100所实施的示例性处理200的流程图。用户界面系统100的操作可以不迟于车辆点火装置被启动时自动激活(框205)。此时，车辆可以进行内部系统检查，在内部系统检查中，为了确保车辆准备好进行操作，一个或多个车辆系统和/或子系统的操作状态将被确定。在内部系统检查被验证的同时，系统100可以额外地在框210确定车辆内可用的可选选项的分类。系统100可以额外地将用户界面系统100的可用的特征(及其相对应的可选选项)分成出发组和到达组。出发类可以包括当离开一个位置时通常使用的特征，例如车库门开启或者气候控制。到达类可以包括当在朝目的地的路线上或者到达目的地时通常使用的特征，例如，巡航控制或者停车辅助。分类处理可以通过控制器110实施。对于特征的区分可以由车辆制造商或者经销商预置，或者由车辆所有者基于其偏好来对出发组和到达组进行个性化设置。将特征区分成两个或者多个组可以通过限制可供选择的特征的数量，而有助于在后续阶段减少处理时间。
[0052]在框215，系统100可以开始监控由基本传感器135和情境模块120所产生的情境变量。如之前所提到的，情境变量可以是直接从车辆内可用的传感器取得的简单情境变量，或者是从其它情境变量(不论是简单的还是智能的)聚合成的、非车辆内现成的值中取得的智能情境变量。在框220，系统100可以进一步检查是否需要来自于外部数据存储器130的额外的外部信息。这可能在情境变量要求所存储的信息(例如，街道速度限制、位置数据，或者车辆使用者对于舱内温度的偏好)时发生。如果需要额外的外部信息，该信息可以传输给情境模块120以产生智能情境变量。如果额外的外部信息不需要，或者已经被提供了，而且不再需要更多的信息，则处理200可以在框225继续。
[0053]在框225，情境变量可以被传输到处理器115以产生特征分数。处理器115可以将所接收的输入(例如情境变量)聚合，并且将值与每一个可选选项进行关联，以产生特征分数。可以通过求乘积、求平均、求最大值、求最小值等、或其任何组合或者改变、或者诸如模糊逻辑的任何非线性算法，经由聚合情境变量来产生特征分数。特征分数可以与传输到处理器115的情境变量的聚合的相关性成正比。例如，当情境变量表明，车辆正在高速公路上行驶，并具有接近速度限制的相对速度，但是注意到车辆正在速度限制上下改变速度(例如，在交通拥挤的情况下)，此时，相较于当车辆以不变的、接近于速度限制的速度行驶的情况，在一段时间内巡航控制可选选项的特征分数将具有较小的值。此外，例如，导致停车辅助的可选选项的相同变量将会具有非常低的特征分数，这是因为在高速行驶时启用停车特征的可能性非常低。
[0054]在框230，处理器115可以基于可选选项的相关联的特征分数对可选选项排列优先次序。一般地，具有最高特征分数的可选选项可以具有最高的优先次序，其余可用的可选选项相应地紧接着进行排序。根据使用者的偏好，具有最高特征分数的特征或者多个特征(例如具有最高特征分数的三个特征)可以在框235被提升到用户界面装置105，以进行展示和操作。同样地，已经在用户界面装置105上展示的特征，如果它们在特定驾驶情境中的相关性已经降低，则可以同时被消除(或者降级)。额外地或者可选择地，处理器115或者控制器110可以根据与每一个可选选项相关联的特征分数对可选选项进行排序。然后控制器110可以确定具有超过预定阈值的特征分数的可选选项的顺序。例如，控制器110可以只选择具有0.7或者0.7以上特征分数的可选选项。然后控制器110可以将具有最高特征分数的、可用的可选选项排到顺序中的第一位，另一具有稍低特征分数的可选选项在顺序中排第二位，依此类推。
[0055]如所示出的，框215到框225在车辆运行中执行连续的循环。基本传感器135和情境模块120 —直是活跃的，并连续将信息输入到处理器，该处理器连续产生新的特征分数。相应地，处理器115在框230更新优先次序排名，使得最相关的特征在框235将会一直呈现在用户界面装置105上。
[0056]在本发明的至少一个实施例中，用户界面系统100可以基于所接收到的传感器输入以及位置数据确定可选选项。位置数据可以包括先前的停靠位置和基于位置的对特征的使用。可选选项通常可以基于相对于其它已知或者之前定义的位置的车辆位置而被激活。例如，本发明示出了产生停车辅助和泊车模式的可选选项的系统和方法，停车辅助和泊车模式两项均在接近特定位置(例如停车建筑物、办公大楼或者餐馆)时被激活。停车辅助是激活车辆系统以自动辅助驾驶员停靠其车辆的可用的车辆特征。即，车辆可以自行驾驶进入停靠区域，无论是平行的还是垂直的停靠，使用者几乎不用输入或者不用输入。泊车模式或选项是在接近例如酒店、餐馆、酒吧等包括泊车服务的特定位置被激活的类似特征。针对泊车模式选项的车辆系统的激活可以锁定车辆的组件(例如用户界面装置、手套箱/杂物箱、后备箱/行李舱)，使得泊车驾驶员无法访问车辆内可能存储的私人信息。泊车选项可以在控制器110得知车辆正在接近具有泊车服务的设施时就被触发。这可以通过存储在外部数据存储器335内的与设施相关的数据所知晓。
[0057]基于位置的选项可以与表明可选选项已经在特定位置被激活的次数的正常使用频率相关联。正常使用频率可以由控制器110来确定。正常使用频率的值(FAF(i，j))可以使用两级实施方式来获得。最初，当访问或者观察次数有限时，正常频率的真值使用第一级实施方式来产生。即，在到一个位置的预定的最小访问数(Nmin)被满足前，在特定位置的特定特征的特征激活总数除以到那个位置的访问总数，以给出特征在一个位置已经被激活的次数的真值。为了包括在特定位置观察到的特征激活的更多样本以给出更精确的百分比，可以使用最小阈值。最小访问数可以包括外部数据存储器335所定义的值，并且可以由车辆制造商、经销商或者可能由车辆驾驶员所设定。
[0058]真实的使用模式、或者特征在特定位置被使用得多么频繁的百分比可以给出特征已经在特定位置被使用的真实次数。N(i，j)a表示在特定位置的特征激活的次数，例如，已经在诸如超市的位置使用诸如停车辅助的特征的次数。例如，i是位置，j可以是特征。N(i)all表示访问位置i的总次数。真值可以使用下述公式计算出来:FAF(i，i) =N(i，j)a/N(i))
all0
[0059]如果访问特定位置的总数已经满足或者超过了预定的最小数，则处理接着进行第二级实施方式。第二级实施方式涉及递归公式，其可以被用于线上评估正常使用频率(Faf(i, j))，无需诸如在特定位置的特征激活数的特定数据点。第二级实施方式包括:学习率，其可以反映外部数据存储器335的记忆深度(memory depth);强化信号，其中，特征在一个位置被激