转弯预测的制作方法

本发明涉及转弯预测。
背景技术：
：由于十字路口可能不同，因此，十字路口处的导航可能是驾驶中具有挑战性的一部分。经常地，意外事故可导致伤害或灾祸，并且可在十字路口发生或者与十字路口相关。意外事故的一个原因可能是操作员错误，没能观察到交通信号、停车标志等。例如，当第一车辆的驾驶员左转弯时，如果驾驶员没有适当给第二车辆让路，那么就可能发生碰撞。技术实现要素：根据一个或多个方面，一种用于转弯预测的系统可包括导航部件、通信部件、建模部件以及预测部件。所述导航部件可接收第一车辆正在行进通过其的操作环境的环境布局信息，并且接收所述第一车辆的当前位置。所述通信部件可接收来自其他车辆中的一个或多个的附加环境布局信息。所述建模部件可基于所述环境布局信息和所述附加环境布局信息来建立模型，所述模型包括所述操作环境、所述第一车辆以及所述其他车辆中的一个或多个。所述模型可表明一个或多个其他车辆中的一个的驾驶员的意图。所述预测部件可基于所述模型来生成一个或多个预测。在一个或多个实施方案中，所述环境布局信息或所述附加环境布局信息可包括与所述操作环境相关联的车道级信息。所述建模部件可基于隐马尔可夫模型(HMM)、支持向量机(SVM)、动态贝叶斯网络(DBN)或者其的组合来建立所述模型。所述通信部件可接收来自所述其他车辆中的一个或多个的车辆信息，并且所述建模部件可基于所述其他车辆中的一个或多个的所述车辆信息来建立所述模型。传感器部件可接收环境布局信息，并且所述建模部件可基于所述环境布局信息来建立所述模型。所述预测部件可生成碰撞时间(TTC)预测、碰撞预测或者转弯预测。所述系统可包括映射部件，所述映射部件基于所述预测中的一个或多个以及一个或多个交通规则来提供有关道路的一些车道、十字路口处的车道的几何形状或者从车道的法定运动方向的信息。所述系统可包括通知部件，其呈现所述预测中的一个或多个的通知。所述系统可包括辅助部件，其基于所述预测中的一个或多个来确定一个或多个辅助动作。所述环境布局信息或附加环境布局信息可包括车道的形状或者一些车道。基于目的地位置以及表明各个其他车辆的运动的所述其他车辆中的一个或多个的所述预测中的一个或多个，所述导航部件可确定所述第一车辆的预期行进路径。根据一个或多个方面，一种用于转弯预测的方法可包括：接收第一车辆正在行进通过其的操作环境的环境布局信息以及所述第一车辆的当前位置；检测一个或多个其他车辆；接收来自所述其他车辆中的一个或多个的附加环境布局信息；基于所述环境布局信息和所述附加环境布局信息来建立模型，所述模型包括所述操作环境、所述第一车辆以及所述其他车辆中的一个或多个，所述模型表明所述一个或多个其他车辆中的一个的驾驶员的意图；基于所述模型来生成一个或多个预测；以及呈现所述预测中的一个或多个。所述环境布局信息或所述附加环境布局信息可包括与所述操作环境相关联的车道级信息。所述建模部件可基于隐马尔可夫模型(HMM)、支持向量机(SVM)、动态贝叶斯网络(DBN)或者其的组合来建立所述模型。所述方法可包括接收来自所述其他车辆中的一个或多个的车辆信息，并且基于所述其他车辆中的一个或多个的所述车辆信息来建立所述模型。所述方法可包括接收来自传感器的环境布局信息(或附加环境布局信息)，并且基于所述环境布局信息来建立所述模型。所述方法可包括生成碰撞时间(TTC)预测、碰撞预测或者转弯预测。根据一个或多个方面，一种用于转弯预测的系统可包括导航部件、传感器部件、通信部件、建模部件以及预测部件。所述导航部件可接收第一车辆正在行进通过其的操作环境的环境布局信息，以及所述第一车辆的当前位置。所述环境布局信息可包括与所述操作环境相关联的车道级信息、所述操作环境内的道路的车道的形状，或者所述操作环境内的道路的一些车道。所述传感器部件可检测一个或多个其他车辆。所述通信部件可接收来自其他车辆中的一个或多个的附加环境布局信息。所述建模部件可基于所述环境布局信息和所述附加环境布局信息来建立模型，所述模型包括所述操作环境、所述第一车辆以及所述其他车辆中的一个或多个。所述模型可表明一个或多个其他车辆中的一个的驾驶员的意图。所述预测部件可基于所述模型来生成一个或多个预测。所述建模部件可基于隐马尔可夫模型(HMM)、支持向量机(SVM)、动态贝叶斯网络(DBN)或者其的组合来建立所述模型。所述预测部件可生成碰撞时间(TTC)预测、碰撞预测或者转弯预测。基于目的地位置以及表明各个其他车辆的运动的所述其他车辆中的一个或多个的所述预测中的一个或多个，所述导航部件可确定所述第一车辆的预期行进路径。用于转弯预测或预测的系统或方法的一个或多个部件或者一个或多个部分可经由处理器、处理单元、存储器等来实施。附图说明图1是根据一个或多个实施方案的用于转弯预测的系统的示例部件图的图示。图2是根据一个或多个实施方案的用于转弯预测的方法的示例流程图的图示。图3是根据一个或多个实施方案的其中有两个车辆位于十字路口的操作环境中的示例情形的图示。图4A到图4B是根据一个或多个实施方案的具有车道级细节的环境布局信息的示例图形表示的图示。图5是根据一个或多个实施方案的用于转弯预测的动态贝叶斯网络(DBN)的示例图形表示的图示。图6是根据一个或多个实施方案的其中可使用装备了用于转弯预测的系统的车辆的示例情形的图示。图7是根据一个或多个实施方案的包括处理器可执行指令的示例计算机可读介质或计算机可读装置的图示，所述处理器可执行指令被配置来体现本文中所述的规定中的一个或多个。图8是根据一个或多个实施方案的其中实施本文中所述的规定中的一个或多个的示例计算环境的图示。具体实施方式下文使用具体语言公开了附图中所示的实施方案或实例。然而将理解，实施方案或实例并不意图限制。相关领域的一般技术人员通常将明白，预期所公开的实施方案的任何改变和修改以及本文件中公开的原理的任何另外应用。本公开中使用下列术语，本文中提供这些术语的定义以帮助理解本公开的一个或多个方面。本文所述的第一车辆或当前车辆可是装备有用于转弯预测的系统的车辆，而第二车辆、另一车辆或者其他车辆可是对第一车辆或当前车辆而言表示障碍、阻碍或交通的车辆。然而，在一个或多个情形中，第二车辆、另一车辆或者其他车辆可装备有用于转弯预测的其他或类似系统，或者装备有车辆对车辆通信模块，以促进第一车辆与第二车辆之间的车辆对车辆通信。本文所使用的环境布局信息可包括操作环境或导航环境的特征或特性，诸如，十字路口、道路(例如，包括车道)、路段、阻碍、车道几何形状、车道边界、一些车道、障碍等。此外，环境布局信息可包括坐标、形状、轮廓、特征、地形、高度变化或者各个十字路口、道路、路段的布局等。本文所使用的车辆信息，诸如，与环境布局信息相关联的车辆信息(例如，与车辆信息相关联)可包括相关联的车辆或者其日志或历史的移动信息、加速度、速度、运动角度、转向角、承重、前进方向、取向、位置、定位、倾斜、行驶、偏航、倾斜角等。与另一车辆相关联的当前位置、当前定位、过去位置或过去定位可包括对应车辆的车道位置或车道定位。因此，定位历史(例如，过去位置)和相关联的速度或其他车辆信息可由第二车辆存储或收集并且提供给第一车辆。相关联的车辆信息的其他实例可包括是否使用车辆的特征(诸如，防抱死刹车等)的日志或历史。本文所使用的术语“推断”或“推理”一般是指从经由事件、信息或数据等捕获的一个或多个观察中推理或推断系统、部件、环境、用户的状态的过程。推理可用来识别背景或动作，或者可用来生成状态的概率分布。推理可是概率性的。例如，相关状态的概率分布的计算基于数据或事件的考虑。推理也可指代用于从一组事件或数据构成更高级事件的技术。此类推理可导致从一组观察到的事件或存储的事件数据构建新事件或新动作，而无论事件是否在时间上紧密相关以及事件和数据是否来自一个或若干事件和数据源。公路自动驾驶系统可在生产型车辆中实施。自动驾驶系统可四处导航或者补偿在不太结构化的环境中移动的行人或其他车辆。在十字路口，车辆通常遵守交通规则、停车标志并且基于优先顺序穿过十字路口。因此，为了促进穿过十字路口，用于转弯预测的系统可提供其他车辆的运动方向的预测。这可通过生成一般十字路口的驾驶员意图预测模型来实现。换言之，提供无论十字路口的特性如何都可建立驾驶员意图预测模型的系统或方法，从而定制多数十字路口的预测。在一个或多个实施方案中，车道级地图(例如，可是高清晰度车道级地图)可用来建立一个或多个统计模型。用于驾驶员意图预测模型的统计模型的实例可包括用于其他车辆的驾驶员意图预测的隐马尔可夫模型、支持向量机和/或动态贝叶斯网络。用于转弯预测的系统可搜集来自其他车辆(诸如，第二车辆)的实时车辆信息，该其他车辆在第一车辆到达十字路口或目标区域前不久(例如，在五秒的窗口内)已行进或穿过目标区域，诸如，十字路口。因此，其他车辆的过去位置、移动、速度等可记录或存储，并且传输到装备在第一车辆上的用于转弯预测的系统的通信部件。通过这种方式，车辆可将操作环境的特征或特性传送作为环境布局信息以及有关其他车辆如何在环境内的不同地点行进的信息，从而使得第一车辆能够对目标区域建模并且相应地生成目标区域中的一个或多个其他车辆的预测。因此，可接收详细的环境布局信息以及有关目标区域的其他相关联车辆信息，从而使得各个信息是准确并且实时最新的，而不需要第一车辆具有对目标区域的视线。通过这种方式，第二车辆可将有关第一车辆正在接近的十字路口的特征传送到第一车辆(例如，使用第二车辆已经在第一车辆之前接近过该十字路口的事实)。由于不需要预先了解操作环境或导航环境，因此，可按照一般的方式相应地对非传统十字路口进行映射或建模。这个信息(包括环境布局信息和/或来自其他车辆的相关联信息)可用来通过第一车辆的用于转弯预测的系统的建模部件对操作环境的道路、路段或其他特征进行建模或以其他方式‘映射’。图1是根据一个或多个实施方案的用于转弯预测的系统100的示例部件图的图示。系统100可包括传感器部件110、导航部件120、建模部件130、预测部件140、通知部件150、辅助部件160以及通信部件170。各个部件可为用于转弯预测的系统100提供多种功能。例如，传感器部件110可检测一个或多个其他车辆，诸如，第二车辆、第三车辆等。传感器部件110可包括不同类型的传感器以促进此类检测，包括雷达单元、激光单元等。此外，传感器部件可检测与另一车辆相关联的车辆信息，诸如，与第二车辆相关联的第二车辆信息。因此，传感器部件可检测与不同车辆相关联的不同方面，诸如，经由传感器部件110的雷达传感器部件或雷达单元的另一车辆的速度、经由传感器部件110的图像捕获传感器部件或图像捕获单元的另一车辆的当前车道定位或当前车道位置等。传感器部件110可接收与环境布局信息相关或相关联的车辆信息，诸如，操作环境或导航环境中的不同点处的其他车辆的速率或速度(经由雷达单元)。换言之，传感器部件110可实时收集或搜集来自在第一车辆或当前车辆到达相同十字路口前不久(例如，在五秒窗口内)已到达、行进、穿过或经过等即将到来的十字路口的其他车辆的车辆信息。在一个或多个实施方案中，传感器部件110可检测一个或多个驾驶提示或者一个或多个驾驶动作的存在或不存在，诸如，另一车辆的转弯指示器或转弯信号。这个信息可提供给建模部件130，以用于生成与其他车辆相关联的对应模型。换言之，建模部件130可将转弯信号的观察与驾驶员的一个或多个可用或潜在行进路径或者预期路线联系起来。例如，如果传感器部件110检测到另一车辆的驾驶员打开了他或她的左转弯信号，那么建模部件130可建立模型，该模型表明推理出另一车辆左转弯的可能性很高。类似地，传感器部件110可检测环境布局信息(例如，经由传感器部件110的图像捕获或图像捕获单元)。例如，传感器部件110可检测十字路口的布局、十字路口中的一些车道等，诸如，通过观察车道标识。换言之，传感器部件110可使用不同类型的传感器来识别操作环境或导航环境的一个或多个特征，诸如，传感器部件110的图像捕获单元、视觉单元、激光单元、雷达单元等。传感器部件110可使用图像捕获单元来识别十字路口、十字路口的布局、十字路口的特征等。此处，传感器部件110可接收视觉数据或图像数据，所述数据用来映射十字路口的布局或以其他方式提取与车辆正在驾驶或行进通过的操作环境相关联的环境布局信息。在一个或多个实施方案中，例如，由传感器部件110检测或接收的环境布局信息可用来补充从其他源(诸如，通信部件170)接收的其他环境布局信息。另外，传感器部件110可检测当前车辆或第一车辆的当前位置(例如，经由图像捕获)。例如，基于车道标识等，图像捕获传感器部件110可确定第一车辆的当前位置是“只能右转车道”。类似地，传感器部件110可使用图像捕获能力来确定道路的形状、阻碍、十字路口的一部分等。例如，传感器部件110可确定一直通往十字路口的道路或路段具有弯曲形状。此外，传感器部件110可用来估计到目标区域的距离，诸如，到十字路口的距离、到车道的中心线的距离等。在一个或多个实施方案中，通信部件170可帮助或用于检测一个或多个其他车辆，诸如，第二车辆、第三车辆等。例如，通信部件170可经由第一车辆与第二车辆之间的车辆对车辆通信来检测其他车辆。通信部件170可使得装备有用于转弯预测的系统100的车辆(例如，第一车辆或当前车辆)能够与一个或多个其他车辆(例如，第二车辆、其他车辆、另一车辆等)通信。例如，通信部件170可包括一个或多个发射器和一个或多个接收器，它们可分别被配置来传输或接收信号或信息，从而使得第一车辆能够与第二车辆通信。通信部件170可实施在一个或多个无线通道、远程信息通道、短程通信通道等上。通信部件170可接收(或传输)环境布局信息(例如，经由车辆对车辆或v2v通信)。如上文论述，环境布局信息的实例可包括操作环境或导航环境的特征或特性，诸如，十字路口、道路(例如，包括车道)、路段、阻碍、车道几何形状、车道边界、一些车道、障碍等。在一个或多个实施方案中，来自第二车辆的通信可表明与第二车辆的当前位置相关联的环境布局信息。另外，例如，在车辆对车辆通信期间接收到的信息，诸如，环境布局信息或与环境布局信息相关联的车辆信息可用来补充从其他部件(诸如，导航部件120)接收到的环境布局信息。换言之，导航部件120可下载第一装置当前在行进通过的操作环境或导航环境的GPS地图。导航部件120可包括环境布局信息，诸如，道路的轮廓、一些车道。当驾驶员接近即将到来的十字路口时，建模部件130可确定该十字路口是目标区域。在一个或多个实施方案中，第一车辆可打开与十字路口的一个或多个其他车辆的通信线路，以便确定或接收有关目标区域的信息。例如，通信部件170可接收有关其他车辆在道路或十字路口的哪个位置或者其他车辆如何转弯等的信息或车辆信息。例如，尽管从导航部件120接收到的环境布局信息(例如，GPS地图)可指示采用特定方式成形的路段，但从其他车辆中的一个或多个(例如，经由通信部件170)接收到的车辆信息或其他环境布局信息可指示沿着路段的转弯跟随不同的形状(例如，归因于障碍、GPS地图的错误或者其他未知原因)。因此，来自一个部件的环境布局信息可由来自另一部件的环境布局信息补充。通过这种方式，通信部件170可利用车辆对车辆通信来补充或验证环境布局信息中的至少一些。在一个或多个实施方案中，系统100可包括映射部件(未示出)。在其他实施方案中，系统100的导航部件120或其他部件可包括映射部件或子部件，其提供与碰撞时间预测、碰撞预测、转弯预测等相关联的环境布局信息，诸如，一些车道、十字路口处的车道的几何形状、从车道的法定运动方向(例如，根据交通规则或交通法规)。通信部件170也可接收(或传输)与其他车辆相关联的车辆信息，诸如，与第二车辆相关联的第二车辆信息(例如，经由v2v通信)。如上文论述，车辆信息可包括相关联车辆的车辆移动信息、加速度、速度、移动角度、转向角、承重、前进方向、取向、位置、定位、倾斜、行驶、偏航、倾斜角、一个或多个驾驶动作或者一个或多个导航动作，诸如，使用车辆控制、刹车、加速度、转向、转弯信号等。在一个或多个实施方案中，来自第二车辆的通信可表明与第二车辆的当前位置的环境布局信息相关联的第二车辆信息。第二车辆的当前位置可具有车道级精度，从而使得用于转弯的系统100能够确定第二车辆的当前车道。例如，第二车辆可将第二车辆当前在‘只能左转车道’传送到第一车辆的通信部件170。由于这个原因，建模部件130可考虑与‘只能左转车道’相关联的一个或多个对应的交通规则，并且基于第二车辆的当前车道定位生成对应的模型，该模型反映或表示第二车辆的转弯选项(例如，最可能左转弯)。通过这种方式，由通信部件170接收到的环境布局信息中包括的车道几何形状或道路几何形状可表明一个或多个车辆的现实潜在轨迹，并且促进预测部件140进行更准确的推理或估计或者促进建模部件130生成模型。在一个或多个情形中，第二车辆可装备有一个或多个传感器或部件，诸如，使得第二车辆能够准确提供车道级定位或位置的图像捕获部件或GPS部件。因此，通信部件170可促进车辆对车辆通信，该通信使得第一车辆能够接收与第二车辆相关联的车道级定位或位置信息。在其他实施方案中，第一车辆或当前车辆的传感器部件110可用来检测此类信息。通过这种方式，通信部件170可使得车辆对车辆(v2v)通信能够在车辆之间进行。在一个或多个实施方案中，车辆对车辆通信可实时实现，从而使得在第二车辆在搜集或检测到各个信息时(或之后即刻)，第二车辆可将环境布局信息或与环境布局信息相关联的车辆信息传送或传输到第一车辆。在一个或多个实施方案中，通信部件170可接收来自第二车辆的表明历史环境布局信息(例如，相对于第二车辆的当前位置或当前定位而言)或与之相关联的历史车辆信息的信息或通信。换言之，这个环境布局信息可表明第二车辆已经行进的操作环境或导航环境的特征或特性，诸如，第二车辆五秒之前所在的定位或位置。来自第二车辆的通信可表明与第二车辆的一个或多个过去位置相关联的环境布局信息。因此，通信部件170可实时接收可考虑或补偿操作环境或导航环境的构建、阻碍、弯曲路段、不同车道形状或方向等的环境布局信息，而无需车辆存在或位于操作环境内的定位的视线范围内以便具有此类实时环境布局信息。类似地，来自第二车辆的通信可表明与第二车辆的一个或多个过去位置的环境布局信息相关联的第二车辆信息。通过这种方式，通信部件170可接收来自第二车辆的表明第二车辆先前行进通过的操作环境的一个或多个操作环境特征或操作环境特性的环境布局信息和/或相关联的车辆信息，诸如，与第二车辆在当前时间(例如，t-5)之前的五秒所在的定位相关联的操作环境特征，以及在先前的对应地点，五秒前的相关联车辆有多快或速度。此处，通信部件170可接收表明其他车辆先前驶过的地区或地形的特征的环境布局信息。这个信息可用来生成车辆的即将到来的道路、十字路口或路段的模型。另外，建模部件130可使用这个信息来生成其他车辆的模型。按另一种方式解释，通信部件170可使得车辆(例如，经过彼此、朝向彼此、朝向相同十字路口行进、在相同道路上等的车辆)能够馈送、传输、交换或传送彼此的信息，所述信息可用于在车辆中的一个到达十字路口或道路之前‘映射’操作环境(例如，十字路口、道路等)的形状或轮廓。因此，通信部件170可使得用于转弯预测的系统100能够接收环境布局信息，该信息是实时准确的，而无需预先了解操作环境、十字路口道路等，诸如，十字路口是否具有非传统形状或轮廓、是否不垂直等。另外，通信部件170可使得用于转弯预测的系统100内的部件、单元或子系统能够与用于转弯预测的系统100的一个或多个其他部件、单元或子系统通信。例如，通信部件170可将信息从建模部件130传送到预测部件140，或者经由控制器区域网络从预测部件140传送到通知部件150或辅助部件160。建模部件130可建立操作环境或导航环境的十字路口、道路、路段等以及环境内的一个或多个车辆的模型或预测模型。所述模型可包括一般十字路口信息(例如，来自导航部件120)、实时环境布局信息(例如，来自通信部件170或传感器部件110)等。换言之，所述模型可基于从传感器部件110(例如，经由图像捕获或其他传感器)接收的环境布局信息、从导航部件120接收的环境布局信息(例如，预先映射的环境布局信息)、从通信部件170接收的环境布局信息(例如，实时环境布局信息)和/或从其他车辆接收的车辆信息。不同于使用恒定偏航率和加速度(CYRA)建立的模型，由建模部件130建立的模型可考虑十字路口的一个或多个道路、一些车道、车道几何形状、环境的地形、环境的轮廓、车道级细节或车道级映射信息等。由于车道级模型是建模部件130建立的，因此，可降低与十字路口的结构相关联的复杂性。另外，建模部件130可基于一个或多个交通规则、基于一个或多个车道级细节(例如，一些车道、车辆的当前车道位置等)对一个或多个车辆的行为、预期行进路径、路线、推理等进行建模。建模部件130可基于环境布局信息来计算与操作环境或导航环境相关联的一个或多个特征。例如，建模部件130可计算车道曲率、内/外车道、车辆到中心线的距离、到十字路口的距离、车辆行驶方向角度与车道方向之间的差异等。在一个或多个实施方案中，所述模型可包括一个或多个车辆，诸如，第一车辆或当前车辆以及周围操作环境中的第二车辆或其他车辆。此处，建模部件130可识别专用于建模十字路口的车辆中的一个或多个的一个或多个潜在行进路径或预期行进路径。换言之，建模部件130可建立另一车辆的模型，表明另一车辆的预期行进路径或者另一车辆的驾驶员的驾驶员意图。按另一种方式解释，模型的潜在行进路径可基于十字路口的形状或车道，从而使得能够相对于推断的转弯半径、转弯速度、车道定位等作出预测。因此，可针对十字路口的其他车辆或其他交通参与者来预测驾驶员意图(例如，左转弯、右转弯、直行、U形转弯等)。由于建模部件130建立的模型可专用于十字路口或操作环境并且考虑了操作环境中的一个或多个车辆，因此，所述模型可表示第一车辆或当前车辆的驾驶员的当前情况或情形的评估(例如，就出现的其他车辆而言)，并且可比其他模型更准确，因为这个模型可考虑操作环境中的实时变化以及与其他车辆相关联的实时变化，从而使得用于转弯预测的系统100能够以可定制的方式建立模型或生成预测。在一个或多个实施方案中，建模部件130可基于隐马尔可夫模型(HMM)、支持向量机(SVM)或动态贝叶斯网络(DBN)来建立模型中的一个或多个。一个或多个实施方案可使用各种基于人工智能(AI)的方案来实施各个方面。可经由自动分类器系统或过程来促成一个或多个方面。分类器是将输入属性向量x＝(x1，x2，x3，x4，xn)映射到该输入属于一个类别的置信度的函数。换言之，f(x)＝confidence(class)。这种分类可使用基于概率或统计的分析(例如，考虑到分析实用和成本)，以预测或推断用户想要自动执行的动作。建模部件130可从环境布局信息中提取一个或多个特征，或者从分类器(诸如，支持向量机(SVM))的一个或多个顺序观察中提取具有一些尺寸的相关联车辆信息。(顺序观察的)观察可包括环境布局信息或者相关联的车辆信息。这些顺序观察可由建模部件130使用时间序列分析通过一个或多个未观察到的或隐状态进行建模和解译，诸如，隐马尔可夫模型(HMM)或动态贝叶斯网络(DBN)。建模部件130可使用基于分类的方法或基于动态推理的方法来建立一个或多个模型。在一个或多个实施方案中，建模部件130可基于隐马尔可夫模型(HMM)来建立一个或多个模型。例如，HMM可用来表示通过马尔可夫链观察到的动态过程。在一个或多个实施方案中：Y＝[y1，y2，y3…yt]表明观察序列，可由下列确定：Q＝[q1，q2，q3…qt]表明离散隐状态序列因此，车辆的行进路径可被分成一个或多个离散隐状态。例如，第二车辆的右转弯可由HMM使用5个隐离散状态进行描述：接近十字路口、开始右转弯、右转弯、结束右转弯，以及驾车离开十字路口。针对其他驾驶动作，诸如，左转弯、直行等，可实施类似的HMM。在一个或多个实施方案中，建模部件130可被训练成在学习阶段基于HMM来生成模型。在学习阶段中，建模部件130可被提供一组观察序列或者一个或多个顺序观察、与状态转换相关联的一个或多个参数，以及待学习的观察的分布。此处，针对每个HMM，可假设高斯混合模型(GMM)。在一个或多个实施方案中：π＝{πij}MxM表明状态转换概率矩阵的参数p(yt|qt)表明M个隐状态待学习的观察的分布针对每个HMM，假设p(yt|qt)具有高斯混合模型(GMM)分布具有参数集θ另外，建模部件130可使用期望最大化(EM)算法，诸如，鲍姆韦尔奇(BaumWelch)算法，以生成近似或模型。给定当前系统状态和转换概率，期望计算可提供对数似然的预期，并且最大化计算可调整模型参数，以便最大化对数似然的预期。通过迭代应用预期和最大化步骤，可由建模部件130接近最大似然估计π和θ。在训练了建模部件130之后，可计算由HMMhmm(π，θ)或p(y1：t|hmm(π，θ))创建的观察序列y1：t的概率。另外，针对右转弯hmm1(π1，θ1)、左转弯hmm2(π2，θ2)、直线驾驶hmm3(π3，θ3)等，可建立不同的HMM，从而使得建模部件130能够对另一车辆的驾驶员的一个或多个驾驶动作进行分类。鲍姆韦尔奇算法可应用于学习参数πi和θi，其中针对每个HMM，(i＝1，2，3…)。因此，当提供新的观察序列y1：t时，可使用最大后验(MAP)规则将该序列分类成一个或多个潜在驾驶行为。在一个或多个实施方案中：i＝argmaxp(hmmi(πi，θi)|y1：t)i＝{1，2，3}∞argmaxp(y1：t|hmmi(πi，θi))p(hmmi(πi，θi)|y1：t)i＝{1，2，3}其中p(hmmi(πi，θi))是道路上的每个转弯类别的先验概率如果p(hmmi(πi，θi))具有均匀分布，则i＝argmaxp(y1：t|hmmi(πi，θi))i＝{1，2，3}在一个或多个实施方案中，建模部件130可基于支持向量机(SVM)来建立一个或多个模型。通过在高维空间构建超平面，SVM为驾驶员意图预测提供稳固且有效的分类方法。超平面可为分离规则提供到任何类别的“支持”训练数据的最大距离。支持向量机(SVM)是可使用的分类器的实例。SVM通过在可能输入的空间中找到超曲面进行操作，从而超曲面尝试将触发标准与非触发事件分开。直观地说，这使得分类对于测试数据是正确的，所述测试数据可与训练数据类似但不必相同。可使用提供不同独立模式的其他有向和无向模型分类方法(例如，朴素贝叶斯、贝叶斯网络、决策树、神经网络、模糊逻辑模型以及概率分类模型)。如本文所用的分类可包括用来开发优先级模型的统计回归。一个或多个实施方案可使用显式训练(例如，经由通用训练数据)的分类器，以及隐式训练(例如，经由观察用户行为、接收外来信息)的分类器。例如，SVM可经由分类器构造器和特征选择模块内的学习或训练阶段进行配置。因此，分类器可用来自动学习和执行若干函数，包括但不限于根据预先确定的标准进行确定。在一个或多个实施方案中，建模部件130可基于动态贝叶斯网络(DBN)来建立一个或多个模型。DBN模型可基于一个或多个交通规则(例如，基于车道定位或位置的转弯选项)以及一个或多个车辆的车道级定位。另外，车辆信息(例如，诸如启动的另一车辆的转弯指示灯，如由传感器部件110检测到)可用来将转弯信号的观察直接联系到驾驶员意图的隐状态，从而将促进对驾驶员意图的推理进行建模或者生成对应的预测。换言之，DBN模型可维持一个或多个(或者所有)隐状态的概率分布，包括驾驶员的意图、车道索引以及车辆控制(例如，“刹车”、“加速”和“转向”)。例如，建模部件130可基于其他车辆的车辆位置或车辆速度的一个或多个观察(例如，提取自环境布局信息或相关联的车辆信息)来生成模型。在一个或多个实施方案中，建模部件130可根据观察中的一个或多个将驾驶员意图推断为潜在状态I。通过这种方式，建模部件130可生成一个或多个其他车辆的一个或多个预测模型。此外，其他隐状态可包括车辆的真实位置和速度(s和v)、车辆的控制变量(a和Δα)以及行驶车道索引L。在一个或多个实施方案中：s＝[sx,sy]表示真实位置v＝[vx,vy]表示真实速度a表示加速度值Δa表示行驶方向改变表示真实位置s的状态表示真实速度v的状态y＝[sx,sy,vx,vy]表示Y的观察状态的变量向量表示O的隐状态的变量向量c＝[a,Δα]表示C的隐状态的变量向量在实验期间，使用3向和4向十字路口来创建375个转弯轨迹的真实世界数据集。转弯预测或预测包括车辆在十字路口处的左转弯、右转弯或直行方向。使用SVM在十字路口之前的1.6米处实现90％的转弯预测准确性并且在十字路口处实现93.8％的准确性。因此，本申请将高级驾驶员辅助系统和自动驾驶系统的
技术领域：
发展到具有用于一般或多数十字路口的强大转弯预测模型。图5是根据一个或多个实施方案的用于转弯预测的动态贝叶斯网络(DBN)的示例图形表示500的图示。此处，t可表示时间，Y可表示观察到的位置和速度，O可表示真实位置和速度，C可表示车辆控制变量，L可表示车道索引，并且I可表示驾驶员意图。此处，交点可表示随机变量，而圆弧可表示条件独立性。在一个或多个实施方案中，Y、O和C可是时间相关连续变量，而驾驶员意图I和行驶车道索引L可是离散变量，当对应的车辆行驶或行进通过十字路口或目标区域时，所述离散变量可假设为不变。车道索引L可表明车辆从中开始转弯的车道或者车辆从中行驶到十字路口处的转弯车道的车道。在一个或多个实施方案中，DBN可表示分布：p(y(t),o(t),c(t)|y(t-1),o(t-1),c(t-1),L,I)在给定隐状态的情况下，观察的可能性可具有高斯分布：P(y(t)|o(1:t),c(1:t),L,I)=P(y(t)|o(t))=12πσsσvexp{-||s-s^||22σs2-||v-v^||22σv2}]]>其中操作员‖x‖指出向量x的欧几里得范数因此，可表示车辆的真实位置和真实速度：sx(t)＝sx(t-1)+vx(t-1)ΔT+wxsy(t)＝sy(t-1)+vy(t-1)ΔT+wy‖v(t)‖＝‖v(t-1)‖+a(t-1)ΔT+wa∠v(t)＝∠v(t-1)+Δα(t-1)+wαvx(t)＝‖v(t)‖cos(∠v(t))vy(t)＝‖v(t)‖sin(∠v(t))c(t)＝[a(t),Δα(t)]控制变量其中隐状态可基于车道L的转弯限制(例如，交通规则等)来反映驾驶员意图I给定在时间(t-1)处的车辆的真实状态o(t-1)和c(t-1)，便可从p(c(t)|c(t-1),o(t-1),I,L)＝p(c(t)|c(t-1),x(t-1),I)的条件分布中对车道数量L、潜在驾驶员意图I、时间t处的控制变量进行取样。由于车辆的控制一般由车辆行进通过而进入十字路口的车道内的车辆的位置或定位确定，因此，从下列中可确定：p(c(t)|c(t-1),o(t-1),I,L)＝p(c(t)|c(t-1),x(t-1),I)x(t-1)＝[dintersectiondcenterα]dintersection表示从车辆到十字路口的距离dcenter表示到车道中心的距离α表示车辆的行驶方向相对于车道方向的角度例如，dintersection、dcenter和α可由用于转弯预测的系统100的传感器部件110、导航部件120等测量或确定。给定时间(t-1)处的o(t-1)和L，可由建模部件130来计算特征x(t-1)。针对每个类别的转弯(例如，给定I)，分布p(c(t)|c(t-1),x(t-1))可满足高斯混合模型(GMM)。另外，建模部件130可使用期望最大化(EM)算法或方法来估计、计算或确定GMM或偏差和的参数。通过使用粒子滤波来接近隐状态的后验分布，建模部件130可推断隐状态。由于行驶车道L可条件性地依赖于意图I，因此，可用转弯选项的知识可并入到建模部件130生成的模型中。无论如何，基于其他车辆的车道位置、交通规则、来自不同车道位置的转弯选项等，建模部件130可生成操作环境或其他车辆的一个或多个模型，以便推断其他车辆中的一个或多个的驾驶员意图。另外，车辆信息或其他观察，诸如，转弯信号的启动、漂移等可用来连接模型，诸如，直接到驾驶员意图的隐状态的DBN模型，从而促进通过建模部件130来确定驾驶员意图或者通过预测部件140进行对应的预测。在一个或多个实施方案中，建模部件可从环境布局信息或车辆信息中提取一个或多个特征或观察，包括车辆与车道中心的距离dcenter、从车辆到十字路口的距离dintersection、车辆的行驶方向相对于车道方向的角度α、车辆的速度v，以及车辆的加速度a。同样地，用于转弯预测或预测的系统100的不同部件可用来检测、收集或搜集此类信息，诸如，传感器部件110、导航部件120、通信部件170等。dcenter的正值可表明车辆正在向车道中心的右侧行驶，而dcenter的负值可表明车辆正在向车道中心的左侧行驶。当车辆在向车道的右侧行驶时，α的值可为正，并且当车辆在向车道的左侧行驶时，该值为负。当dintersection＝0时，车辆正在行驶进入对应的十字路口。dcenter和α可表明车辆的转弯移动。例如，如果左转弯，那么车辆更可能位于或朝向车道的左侧。因此，dcenter可为负，或者α可为负。当车辆直线行驶时，dcenter和α将靠近或接近零。这些模型可使用环境布局信息(例如，车道级地图、车道几何形状)或十字路口的结构、形状、轮廓、高度变化、观察等来推断不同车辆的预期行进路径。因此，建模部件130可建立其中有两个或更多车辆在操作或行进的操作环境的车道级模型。在一个或多个实施方案中，模型或预测模型可由预测部件140用来生成操作环境内(诸如，十字路口处)的其他车辆的驾驶员的驾驶员意图的一个或多个预测。因此，采用可定制或一般的方式，这些预测可用于与其他车辆相关联的转弯预测。预测部件140可基于一个或多个对应的模型来生成操作环境中的一个或多个其他车辆的一个或多个预测。因此，基于隐马尔可夫模型(HMM)、支持向量机(SVM)或动态贝叶斯网络(DBN)，预测部件140可生成预测中的一个或多个。基于第二车辆或另一车辆的模型，预测部件140可生成一个或多个转弯预测。例如，转弯预测可表明第二车辆或其他车辆在给定方向上转弯，诸如，在朝向当前车辆或第一车辆的方向上转弯的可能性、概率、意图或推理。换言之，诸如转弯预测的预测可表明道路上或十字路口处的另一车辆的驾驶员的预测意图。在一个或多个实施方案中，基于来自在第一车辆或当前车辆到达相同十字路口之前不久(例如，在X秒窗口内)已经经过或穿过该十字路口的其他车辆的实时信息，可生成十字路口处的其他车辆的转弯预测。通过这种方式，可使用移动历史或车辆信息历史来生成转弯预测。基于第二车辆或另一车辆的模型，预测部件140可生成一个或多个碰撞预测。基于第一车辆或当前车辆的预期路线以及与另一车辆，诸如，第二车辆相关联的转弯预测，预测部件140可生成碰撞预测。碰撞预测可表明潜在碰撞位置或地点。基于模型和/或对应车辆信息中的一个或多个，诸如，速度、加速度等，预测部件140可生成一个或多个其他车辆的一个或多个碰撞时间(TTC)估计。通过这种方式，基于一个或多个其他车辆的过去位置或过去地点，预测部件140可生成一个或多个预测。导航部件120可接收环境布局信息(例如，经由GPS)。在一个或多个实施方案中，环境布局信息可包括车道级布局信息，诸如，与道路或路段相关联的一些车道、车道级地图、车道边界或车道尺寸等。导航部件120可经由远程信息通道或经由通信部件170建立的全球定位系统(GPS)链路来接收环境布局信息。在一个或多个实施方案中，环境布局信息可包括与一个或多个道路的坐标相关联的GPS数据、一个或多个车道、转弯的形状、十字路口的形状等。例如，当由GPS或卫星地图提供时，这个信息或环境布局信息可预先映射。如本文中论述，在其他实施方案中，环境布局信息可在空中实时接收，或者可本地存储在导航部件120等上。另外，实时环境布局信息和预先映射的环境布局信息可用来彼此补充。例如，由与十字路口相关联的导航部件120接收的预先映射的环境布局信息可表明左转弯车道在十字路口的道路处可用。然而，由通信部件170经由第一车辆与第二车辆之间的车辆对车辆通信接收的实时环境布局信息可表明交通桶阻挡了该十字路口处的道路的左转弯车道。因此，第二车辆已行进的行进路径可用来建立该十字路口处的模型，该模型考虑到交通桶(例如，以及其他车辆可从其他车道左转弯的可能性)。通过这种方式，来自一个部件，诸如，导航部件120的环境布局信息(例如，预先映射的环境布局信息)可补充来自另一部件，诸如，通信部件170或传感器部件110的环境布局信息(例如，实时环境布局信息)。另外，基于导航单元、GPS、输入目的地、第一车辆的车辆信息，诸如，车辆前进方向、承重、方向、转弯信号的启动、转向角等，导航部件120可确定第一车辆或当前车辆的当前位置和/或预期行进路径。在车道级精度或使得确定车道级位置或定位的情况下，导航部件120可确定当前车辆的当前位置。在一个或多个实施方案中，通信部件170可将第一车辆信息从一个或多个其他部件传送到导航部件120，以便促进第一车辆的预期路线的确定。基于表明各个其他车辆的运动的其他车辆中的一个或多个的预测中的一个或多个，导航部件120可进一步确定车辆的行进路径。换言之，导航部件可使用模型中的一个或多个或者预测中的一个或多个来促进自动驾驶动作。另外，导航部件120可存储车辆信息历史、导航历史、地点历史、速度历史等。车辆信息的实例可包括车辆的速度、车辆的加速度、是否使用防抱死刹车、转向角等的日志或历史。在一个或多个实施方案中，导航部件120可实施或使用存储单元等，诸如，图8的存储设备820。在一个或多个实施方案中，例如，导航部件120可计算第一车辆或当前车辆的速度或加速度，诸如，基于SavitzkyGolay滤波。基于预测中的一个或多个，通知部件150可呈现或提供一个或多个通知。在一个或多个实施方案中，例如，当碰撞预测表明碰撞风险大于阈值风险水平时，通知部件150可呈现通知中的一个或多个。因此，通知部件150可呈现警告通知，警告当前车辆的驾驶员或乘坐者由于存在碰撞风险，因此进入十字路口、转弯或者继续进行驾驶动作可能不安全。通知可包括音频通知、视觉通知、触觉通知等。在一个或多个实施方案中，可呈现包括道路或十字路口的车道级细节以及位于对应地点的一个或多个车辆的通知。辅助部件160可基于预测中的一个或多个来确定一个或多个辅助动作，诸如，通过响应于碰撞预测来提供辅助动作。例如，辅助部件160可通过使用来自模型或预测模型的转弯预测或碰撞预测来促进自动驾驶，以便确定或推断与另一车辆的驾驶员相关联的意图，从而使得辅助部件160能够确定或‘了解’其他车辆可以去哪里、其他车辆可能要去哪里等。因此，辅助部件160可确定辅助动作，所述辅助动作减少或防止当前车辆或第一车辆的行进路径与另一车辆或第二车辆的推断行进路径交叉，从而使得能够采用自动动作。例如，辅助部件160可使得一个或多个自动特征，诸如，高级驾驶员辅助系统(ADAS)、其他自动驾驶系统、十字路口移动辅助(IMA)、左转弯辅助(LTA)等能够导致车辆进行转弯或缓解十字路口处的碰撞(例如，使用环境布局信息和/或一个或多个其他车辆的相关联车辆信息)。因此，通过提供可在多数十字路口处应用的转弯预测模型，本文中公开的实施方案中的一个或多个提供高级驾驶员辅助系统(ADAS)或其他自动驾驶系统的进步。例如，参考先前描述的附图的部件，诸如，图1的部件，可描述接着的附图中的一个或多个。图2是根据一个或多个实施方案的用于转弯预测的方法200的示例流程图的图示。在210处，可检测一个或多个其他车辆，并且接收其他车辆的相关联车辆信息。例如，第一车辆可检测另一车辆，诸如，第二车辆。在220处，可确定或接收环境布局信息。例如，第一车辆可接收、感测或检测环境布局信息。因为不同的十字路口可具有不同形状、分叉或路段的数量、弯道类型、车道的数量、十字路口角度等，操作环境或导航环境的十字路口和道路可能是独特的，因此，可从各种源或不同部件中搜集或收集环境布局信息，诸如，使用与第二车辆的车辆对车辆通信(例如，经由通信部件170)、在远程信息通道上使用预先映射的数据(例如，经由导航部件120或全球定位系统单元或GPS单元)或者使用传感器部件110。此处，第一车辆可接收来自第二车辆的与环境布局信息相关联的车辆信息。在230处，可建立表明其他车辆的预期行进路径的另一车辆的模型。例如，所述模型也可表示操作环境或导航环境以及环境内的其他周围车辆，诸如，第二车辆或第三车辆。另外，所述模型可表明另一车辆的驾驶员的意图。在240处，可确定当前车辆的预期行进路径。在250处，可基于其他车辆的模型来生成预测，诸如，碰撞预测或转弯预测。在260处，基于所述预测，可提供通知或辅助动作。图3是根据本发明的一个或多个实施方案的其中有两个车辆位于十字路口的操作环境中的示例情形300的图示。如图3所示，当多个车辆位于或接近十字路口时，存在多种可能性。在一个或多个实施方案中，一个或多个车辆的建模或预测建模可用来确定驾驶员或车辆可在哪里行进、应在哪里行进、可能在哪里行进等。此处，在图3中，第一车辆310和第二车辆320出现在十字路口350处。十字路口350处的每个车辆具有一个或多个不同的潜在行进路径或行进路线。例如，第一车辆310可具有左转弯行进路径310A、直行路径310B以及右转弯行进路径310C。类似地，第二车辆320可具有左转弯行进路径320A、直行路径320B以及右转弯行进路径320C。因此，第一车辆310的左转弯行进路径310A可与第二车辆320的直行路径320B或左转弯行进路径320A具有潜在碰撞。也示出其他车辆(未图示)的其他行进路径。例如，330A可能是另一车辆(未图示)的左转弯行进路径，330B可能是直行路径，并且330C可能是右转弯行进路径。类似地，340A可能是不同车辆(未图示)的左转弯行进路径，340B可能是直行路径，并且340C可能是右转弯行进路径。图4A到图4B是根据本发明的一个或多个实施方案的具有车道级细节的环境布局信息的示例图形表示400A和400B的图示。例如，图4A中的环境布局信息可包括可整体提供道路或十字路口的一般轮廓或形状的一般环境布局信息410A，而车道级细节或车道级信息420A可提供附加的环境布局信息，诸如，车道的尺寸、一些车道、车道的轮廓或形状等。类似地，图4B中的环境布局信息可包括可整体提供道路或十字路口的一般轮廓或形状的附加环境布局信息410B，而车道级细节或车道级信息420B可提供附加的环境布局信息。在一个或多个实施方案中，基于来自不同于其他车辆的车辆的观察，建模部件130和预测部件140可建立模型并且生成另一车辆的预测。换言之，可基于与第二车辆相关联的观察来生成与第三车辆相关联的预测，所述第二车辆先前位于与第三车辆的当前位置相关联的地点处。图6是根据一个或多个实施方案的其中可使用装备有用于转弯预测的系统的车辆的示例情形600的图示。车辆A(例如，610和620)可是装备有用于转弯预测或预测的系统的车辆，并且包括图1的系统100的部件中的一个或多个。车辆B(例如，612)可是装备有用于转弯预测或预测的另一或不同系统的车辆，或者具有车辆对车辆通信能力。在第一时间，车辆A(例如，610)正在接近十字路口或目标区域。此处，在本实例中，车辆A可不必具有十字路口的视线。车辆A610的传感器部件110或通信部件170可检测车辆B612。如634所示，车辆B612先前已行进通过该十字路口。如果车辆B612具有车辆对车辆通信功能或能力，那么与十字路口相关联的环境布局信息或与环境布局信息相关联的车辆信息可从车辆B612传输614，并且由车辆A610的通信部件170接收。换言之，车辆B612可将有关十字路口的内容‘告诉’车辆A610。通过这种方式，车辆A610可接收十字路口的一个或多个特征、环境布局信息，或者有关车辆B612如何行进通过该十字路口的信息(例如，车辆B612在十字路口处转弯的速度、转弯半径、开始转弯的位置等)。无论如何，车辆A和B(610和612)可传送或以其他方式交换有关目标区域(诸如，十字路口)的环境布局信息，以及与目标区域(例如，十字路口的过去位置)相关联的相关车辆信息(例如，速度或加速度)或环境布局信息。在第二时间，车辆A610到达十字路口，如由车辆A’(例如，620)所指示。此处，在目标区域或十字路口，620处的车辆A’可检测车辆C630。车辆A(610和620)的建模部件130可生成模型，所述模型包括十字路口(例如，目标区域)、车辆A和车辆C630。所述模型可表明车辆A’620和C630的推断行进路径、推断速度等。车辆A’620的推断行进路径可沿着632。例如，基于车辆C630的车道定位，车辆C630的推断行进路径可类似于车辆B612的行进路径634。另外，基于从614处的车辆B612接收的车辆信息，建模部件130可建立表明车辆C630可转弯的推断速度的模型。在一个或多个实施方案中，当车辆C630具有车辆对车辆通信功能或能力时，与十字路口相关联的环境布局信息或与环境布局信息相关联的车辆信息可从车辆C630传输624，并且由车辆A’620的通信部件170接收。因此，车辆A’620的建模部件130和预测部件140可使用这个附加的数据或信息来建立模型或生成预测。例如，如果车辆C630打开了右转弯闪光灯(例如，表明车辆C630的驾驶员想要变到右车道)，那么车辆A’620的建模部件130因而可相应地建立模型。又一实施方案涉及包括处理器可执行指令的计算机可读介质，所述处理器可执行指令被配置来实施本文呈现的技术的一个或多个实施方案。以这些方式设想的计算机可读介质或计算机可读装置的实施方案在图7中示出，其中实施700包括编码有计算机可读数据706的计算机可读介质708，诸如，CD-R、DVD-R、闪存盘、硬盘驱动器的母板等。该计算机可读数据706，诸如，如706中所示的包括多个零和一的二进制数据又包括被配置来根据本文所述的原理中的一个或多个进行操作的一组计算机指令704。在一个此类实施方案700中，处理器可执行计算机指令704可被配置来执行方法702，诸如，图2的方法200。在另一实施方案中，计算机可执行指令704可被配置来实施系统，诸如，图1的系统100。所属领域的一般技术人员可设想被配置来根据本文呈现的技术进行操作的许多此类计算机可读介质。本申请中所使用的术语“部件”、“模块”、“系统”、“接口”等一般意图指代计算机相关实体，是硬件、硬件和软件的组合、软件或是执行中的软件。例如，部件可是，但不限于，在处理器上运行的进程、处理器、对象、可执行文件、执行的线程、程序或者计算机。通过说明的方式，在控制器上运行的应用和控制器都可是部件。存在于执行的进程或线程以及部件中的一个或多个部件可在一个计算机上本地化或者分布在两个或更多计算机之间。此外，本发明主题实施作为方法、设备或者制品，它使用标准编程或工程技术来生产软件、固件、硬件或其任何组合来控制计算机实施所公开的主题。本文所用的术语“制品”意图涵盖可从任何计算机可读装置、载体或介质访问的计算机程序。当然，在不脱离本发明主题的范围或精神的情况下，可对这种配置进行许多更改。图8和下列论述提供适当的计算环境的描述，以实施本文所述的规定中的一个或多个的实施方案。图8的操作环境仅仅是适当操作环境的一个实例，并且不意图对操作环境的使用或功能的范围进行任何限制。示例计算装置包括，但不限于，个人计算机、服务器计算机、手持式或笔记本装置、移动装置，诸如，移动电话、个人数字助理(PDA)、媒体播放器等、多处理器系统、消费电子设备、微型计算机、主计算机、包括上述系统或装置中的任一个的分布式计算环境等。一般来讲，在由一个或多个计算装置执行的“计算机可读指令”的一般背景下描述实施方案。计算机可读指令可经由计算机可读介质分布，如下文将论述。计算机可读指令可实施为执行一个或多个任务或者实施一个或多个抽象数据类型的编程模块，诸如，功能、对象、应用编程接口(API)、数据结构等。通常，根据各种环境中的需要，计算机可读指令的功能进行组合或分布。图8示出系统800，该系统包括被配置来实施本文中提供的一个或多个实施方案的计算装置812。在一个配置中，计算装置812包括至少一个处理单元816和存储器818。根据计算装置的确切配置和类型，存储器818可是易失性的(诸如，RAM)、非易失性的(诸如，ROM、闪存等)或者两者的组合。这个配置在图8中由虚线814示出。在其他实施方案中，装置812包括额外的特征或功能。例如，装置812可包括额外的存储设备，诸如，可移动存储设备或不可移动存储设备，包括但不限于，磁存储设备、光学存储设备等。此类额外的存储设备在图8中由存储设备820示出。在一个或多个实施方案中，用以实施本文中提供的一个或多个实施方案的计算机可读指令在存储设备820中。存储设备820可存储其他计算机可读指令，以实施操作系统、应用程序等。例如，计算机可读指令可加载在存储器818中，以便由处理单元816执行。本文所用的术语“计算机可读介质”包括计算机存储介质。计算机存储介质包括在用于存储信息(诸如，计算机可读指令或其他数据)的任何方法或技术中实施的易失性和非易失性、可移动和不可移动介质。存储器818和存储设备820是计算机存储介质的实例。计算机存储介质包括，但不限于，RAM、ROM、EEPROM、闪存或其他存储技术、CD-ROM、数字多功能盘(DVD)或其他光学存储设备、磁带盒、磁带、磁盘存储设备或其他磁存储装置，或者可用来存储所需信息且可被装置812访问的任何其他介质。任何此类计算机存储介质都是装置812的部分。术语“计算机可读介质”包括通信介质。通信介质通常在“调制数据信号”(诸如，载波或其他传输机构)中体现计算机可读指令或其他数据，并且包括任何信息输送介质。术语“调制数据信号”包括具有特性集中的一个或多个或者以此类方式改变以便对信号中的信息进行编码的信号。装置812包括输入装置824，诸如，键盘、鼠标、笔、语音输入装置、触摸输入装置、红外相机、视频输入装置或者任何其他输入装置。输出装置822可被包括在装置812中，诸如，一个或多个显示器、扬声器、打印机或者任何其他输出装置。输入装置824和输出装置822可经由有线连接、无线连接或者它们的组合连接到装置812。在一个或多个实施方案中，来自另一计算装置的输入装置或输出装置可用作计算装置812的输入装置824或输出装置822。装置812可包括通信连接826，以促进与一个或多个其他装置的通信。尽管用结构特征或方法行为的专用语言描述了主题，但将理解，所附权利要求书的主题不必限于上述具体特征或行为。事实上，上述具体特征和行为被公开为示例实施方案。本文中提供实施方案的各种操作。描述操作中的一个或多个或者全部的顺序不应被解释为暗示这些操作必须依赖顺序。基于本说明书，将了解替代顺序。另外，并非所有操作都必须出现在本文提供的每个实施方案中。本申请中使用的“或”意图是指包括性的“或”而不是排他性的“或”。另外，包括性的“或”可包括它们的任何组合(例如，A、B或它们的任何组合)。此外，除非另外指出或从上下文看出是单数的形式，否则本申请中使用的“一”和“一个”通常是指“一个或多个”。此外，A和B中的至少一个和/或类似表达通常是指A或B或者A和B。另外，只要具体实施方式或权利要求书中使用术语“包括”、“具有”、“带有”或其变型，则此类术语在某种意义上均类似于术语“包括”。另外，除非另外指出，否则“第一”、“第二”等并不意图暗示时间方面、空间方面、顺序等。实际上，此类术语仅用作特征、元件、项目等的标识符、名称等。例如，第一通道和第二通道通常对应于通常A和通道B，或者两个不同或两个相同通道，或相同通道。此外，“包括”、“包含”等通常是指包括或包含，但不限于。应了解，可根据需要将上文所公开的各种以及其他特征和功能或替代方案或其变化组合到许多其他不同的系统或应用中。此外，可能由所属领域的技术人员做出的各种当前未预见到或未预料到的替代方案、修改、变化或改进也意图包括在所附权利要求书内。当前第1页1 2 3