用於預測的駕駛員輔助的方法和設備與流程

2023-11-04 14:05:12

說明性實施例總體上涉及用於預測的駕駛員輔助的方法和設備。

背景技術：

在使得駕駛任務對於駕駛員而言更加安全、有趣和愉快的可用技術上存在爆炸性的增長。一些示例包括啟用車輛的橫向位置和縱向位置的輔助控制或自動控制、針對娛樂的自動設置、氣候控制、牽引控制、車輛導航以及自主巡航功能的技術。還包括聽覺警告、視覺警告和觸覺警告，這些警告向駕駛員警示和/或警告不利的動作或情況，使得駕駛員能夠避免可能或即將發生的碰撞情況。

由於可能的駕駛狀況中存在豐富的可能性和差異，所以汽車原始設備製造商目前的做法是使得所有的控制件和顯示器對於駕駛員是可用的。這些控制件和/或顯示器可被布置在儀錶板、中央控制臺、方向盤中，被布置在控制臺中或者甚至被布置在車頂襯中。一些控制件及其關聯的顯示可以以crt型顯示器中的嵌入式菜單的形式來提供。鑑於針對有用工具和信息的可能的顯示組合的巨大潛力，在車輛內部中幾乎沒有足夠的空間或間隔來布置可能有用的每個控制件和顯示器。此外，因為可察覺到的複雜性，菜單式顯示常常代表老駕駛員的極大不滿的根源，並且，因為駕駛員可能不熟悉如何導航到所需的顯示或在哪裡找到所需的控制件，所以不常用的顯示和控制件在當其實際被需要的那些時候調用或啟用是有問題的。

技術實現要素：

在第一說明性實施例中，一種系統包括處理器，所述處理器被配置為：基於接收到的情境變量值與先前觀察到的駕駛員行為之間的相關性來預測駕駛員行為。所述處理器還被配置為請求確認預測的行為是駕駛員意圖進行的。此外，所述處理器被配置為：在接收到所述確認時，改變車載顯示器以包括與預測的行為相關的控制或功能。

在第二說明性實施例中，一種計算機實現的方法包括：接收多個情境變量和相應的變量值。所述方法還包括：基於與針對觀察到的駕駛員行為而接收和存儲的情境變量值相比較的接收到的情境變量值來預測即將發生的駕駛員行為，並且自動改變車輛顯示器以顯示與預測的行為相關的控制或功能。

根據本發明，提供一種計算機實現的方法，所述方法包括：接收多個情境變量和相應的變量值；基於接收的情境變量值與針對觀察到的駕駛員行為而接收和存儲的情境變量值之間的比較，預測駕駛員行為；自動改變車輛顯示器，以顯示與預測的行為相關的控制或功能。

根據本發明的一個實施例，自動改變的步驟還包括：響應於與預測的駕駛員行為相關聯的發生的可能性高於預定閾值，自動改變車輛顯示器。

根據本發明的一個實施例，自動改變的步驟還包括：當預定義的駕駛員設置指示針對預測的駕駛員行為期望自動改變顯示器時，自動改變車輛顯示器。

根據本發明的一個實施例，所述方法還包括：向駕駛員呈現預測的駕駛員行為以進行確認；延遲針對車輛顯示器的自動改變，直到接收到確認為止。

在第三說明性實施例中，一種存儲指令的非暫時性計算機可讀存儲介質，其中，所述指令在被執行時使得處理器執行一種方法，所述方法包括：接收多個情境變量和相應的變量值。所述方法還包括：基於接收到的情境變量值與針對觀察到的駕駛員行為而接收和存儲的情境變量值之間的比較，來預測即將發生的駕駛員行為；自動改變車輛顯示器以顯示與預測的行為相關的控制將或功能。

根據本發明，提供一種存儲指令的非暫時性計算機可讀存儲介質，其中，所述指令在被執行時使得處理器執行一種方法，所述方法包括：接收多個情境變量；基於接收的情境變量值與針對觀察到的駕駛員行為而接收和存儲的情境變量值之間的比較，預測駕駛員行為；自動改變車輛顯示器，以顯示與預測的行為相關的控制或功能。

根據本發明的一個實施例，自動改變的步驟還包括：當與預測的駕駛員行為相關聯的發生的可能性高於預定閾值時，自動改變車輛顯示器。

根據本發明的一個實施例，自動改變的步驟還包括：當預定義的駕駛員設置指示針對預測的駕駛員行為期望自動改變顯示器時，自動改變車輛顯示器。

根據本發明的一個實施例，所述方法還包括：向駕駛員呈現預測的即將發生的駕駛員行為以進行確認；延遲針對車輛顯示器的自動改變，直到接收到確認為止。

附圖說明

圖1示出了說明性的車輛計算系統；

圖2示出了用於提供預測駕駛員輔助的預測處理的說明性示例；

圖3示出了第一預測處理的說明性示例；

圖4示出了第二預測處理的說明性示例。

具體實施方式

根據需要，在此公開了本發明的詳細實施例；然而，將理解的是，所公開的實施例僅為本發明的示例，其中，本發明可以以各種可替代形式來實現。附圖不必按比例繪製；一些特徵可被誇大或最小化以示出特定組件的細節。因此，在此公開的具體結構和功能細節不應被解釋為具有限制性，而僅作為用於教導本領域技術人員以多種形式利用本發明的代表性基礎。

圖1示出了用於車輛31的基於車輛的計算系統(vcs)1的示例框式拓撲圖。這種基於車輛的計算系統1的示例為由福特汽車公司製造的sync系統。設置有基於車輛的計算系統的車輛可包含位於車輛中的可視前端界面4。如果所述界面設置有例如觸摸敏感屏幕，則用戶還能夠與所述界面進行交互。在另一說明性實施例中，通過按鈕按壓、具有自動語音識別和語音合成的口語對話系統來進行交互。

在圖1所示的說明性實施例1中，處理器3控制基於車輛的計算系統的至少一部分操作。設置在車輛內的處理器允許對命令和程序進行車載處理。另外，處理器連接到非持久性存儲器5和持久性存儲器7兩者。在此說明性實施例中，非持久性存儲器是隨機存取存儲器(ram)，持久性存儲器是硬碟驅動器(hdd)或快閃記憶體。一般說來，持久性(非暫時性)存儲器可包括當計算機或其它裝置掉電時保存數據的所有形式的存儲器。這些存儲器包括但不限於hdd、cd、dvd、磁帶、固態驅動器、可攜式usb驅動器和任何其它適當形式的持久性存儲器。

處理器還設置有允許用戶與處理器進行交互的若干不同的輸入。在此說明性實施例中，麥克風29、輔助輸入25(用於輸入33)、usb輸入23、gps輸入24、屏幕4(其可以是觸控螢幕顯示器)和藍牙輸入15全部被設置。還設置了輸入選擇器51，以允許用戶在各種輸入之間進行切換。對麥克風和輔助連接器兩者的輸入在被傳送到處理器之前由轉換器27對所述輸入進行模數轉換。儘管未示出，但是與vcs進行通信的眾多車輛組件和輔助組件可使用車輛網絡(諸如但不限於can總線)向vcs(或其組件)傳送數據並傳送來自vcs(或其組件)的數據。

系統的輸出可包括但不限於視覺顯示器4以及揚聲器13或立體聲系統輸出。揚聲器連接到放大器11，並通過數模轉換器9從處理器3接收其信號。還可分別沿19和21所示的雙向數據流產生到遠程藍牙裝置(諸如個人導航裝置(pnd)54)或usb裝置(諸如車輛導航裝置60)的輸出。

在一說明性實施例中，系統1使用藍牙收發器15與用戶的移動裝置53(例如，蜂窩電話、智慧型電話、pda或具有無線遠程網絡連接的任何其它裝置)進行通信(17)。移動裝置隨後可用於通過例如與蜂窩塔57的通信(55)來與車輛31外部的網絡61進行通信(59)。在一些實施例中，蜂窩塔57可以是wifi接入點。

移動裝置與藍牙收發器之間的示例性通信由信號14表示。

可通過按鈕52或類似的輸入來指示將移動裝置53與藍牙收發器15進行配對。相應地，cpu被指示車載藍牙收發器將與移動裝置中的藍牙收發器進行配對。

可利用例如與移動裝置53關聯的數據計劃、話上數據或dtmf音在cpu3與網絡61之間傳送數據。可選地，可期望包括具有天線18的車載數據機63，以便在cpu3與網絡61之間通過語音頻帶傳送數據(16)。移動裝置53隨後可用於通過例如與蜂窩塔57的通信(55)來與車輛31外部的網絡61進行通信(59)。在一些實施例中，數據機63可與蜂窩塔57建立通信(20)，以與網絡61進行通信。作為非限制性示例，數據機63可以是usb蜂窩數據機，並且通信20可以是蜂窩通信。

在一說明性實施例中，處理器設置有包括用於與數據機應用軟體進行通信的api的作業系統。數據機應用軟體可訪問藍牙收發器上的嵌入式模塊或固件，以完成與(諸如在移動裝置中發現的)遠程藍牙收發器的無線通信。藍牙是ieee802pan(個域網)協議的子集。ieee802lan(區域網)協議包括wifi並與ieee802pan具有相當多的交叉功能。兩者都適合於車輛內的無線通信。可在本領域使用的另一通信方式是自由空間光通信(諸如irda)和非標準化消費者ir協議。

在另一實施例中，移動裝置53包括用於語音頻帶或寬帶數據通信的數據機。在話上數據的實施例中，當移動裝置的擁有者可在數據被傳送的同時通過裝置說話時，可實施已知為頻分復用的技術。在其它時間，當擁有者沒有在使用裝置時，數據傳送可使用整個帶寬(在一示例中是300hz到3.4khz)。儘管頻分復用對於車輛與網際網路之間的模擬蜂窩通信而言會是常見的並且仍在被使用，但其已經很大程度上被用於數字蜂窩通信的碼域多址(cdma)、時域多址(tdma)、空域多址(sdma)的混合體所替代。這些都是ituimt-2000(3g)兼容的標準，並且為靜止或行走的用戶提供高達2mbs的數據速率，為移動車輛中的用戶提供高達385kbs的數據速率。3g標準現在正被imt-advanced(4g)所替代，所述imt-advanced(4g)為車輛中的用戶提供100mbs的數據速率，為靜止的用戶提供1gbs的數據速率。如果用戶具有與移動裝置關聯的數據計劃，則所述數據計劃可允許寬帶傳輸且所述系統可使用寬得多的帶寬(加速數據傳送)。在另一實施例中，移動裝置53被安裝至車輛31的蜂窩通信裝置(未示出)所替代。在又一實施例中，移動裝置(nd)53可以是能夠通過例如(但不限於)802.11g網絡(即，wifi)或wimax網絡進行通信的無線區域網(lan)裝置。

在一實施例中，傳入數據可經由話上數據或數據計劃通過移動裝置傳送、通過車載藍牙收發器並進入車輛的內部處理器3。例如，在某些臨時數據的情況下，數據可被存儲在hdd或其它存儲介質7上，直至不再需要所述數據時為止。

其它的可與車輛進行接口連接的源包括：具有例如usb連接56和/或天線58的個人導航裝置54、具有usb62或其它連接的車輛導航裝置60、車載gps裝置24、或具有至網絡61的連接的遠程導航系統(未示出)。usb是一類串行聯網協議中的一種。ieee1394(火線tm(蘋果)、i.linktm(索尼)和lynxtm(德州儀器))、eia(電子工業協會)串行協議、ieee1284(centronics埠)、s/pdif(索尼/飛利浦數字互連格式)和usb-if(usb開發者論壇)形成了裝置-裝置串行標準的骨幹。大多數協議可針對電通信或光通信來實施。

此外，cpu可與各種其它的輔助裝置65進行通信。這些裝置可通過無線連接67或有線連接69來連接。輔助裝置65可包括但不限於個人媒體播放器、無線保健裝置、可攜式計算機等。

此外或可選地，可使用例如wifi(ieee802.11)收發器71將cpu連接到基於車輛的無線路由器73。這可允許cpu在本地路由器73的範圍內連接到遠程網絡。

除了由位於車輛中的車輛計算系統執行示例性處理之外，在某些實施例中，還可由與車輛計算系統通信的計算系統來執行示例性處理。這樣的系統可包括但不限於無線裝置(例如，但不限於，行動電話)或通過無線裝置連接的遠程計算系統(例如，但不限於，伺服器)。這樣的系統可被統稱為與車輛關聯的計算系統(vacs)。在某些實施例中，vacs的特定組件可根據系統的特定實施方式來執行處理的特定部分。通過示例而並非限制的方式，如果處理具有與配對的無線裝置進行發送或者接收信息的步驟，則很可能由於無線裝置不會與自身進行信息的「發送和接收」，而使得無線裝置不執行該部分的處理。本領域的普通技術人員將理解何時不適合對給定的解決方案應用特定的計算系統。

在在此討論的每個說明性實施例中，示出了可由計算系統執行的處理的示例性的、非限制性的示例。針對每個處理，執行該處理的計算系統為了執行該處理的有限的目的而變為被配置為用於執行該處理的專用處理器是可行的。所有處理不需要被全部執行，並且應被理解為是可被執行以實現本發明的要素的多種類型的處理的示例。可根據需要添加額外的步驟或從示例性處理中去除額外的步驟。

如前所述，在任何給定的情況下，駕駛員基於當前狀況可能需要/想要不同的控制件或輸入的集合。例如，在車輛中最初進行設定時，駕駛員可能希望設置無線電臺或氣候。在氣候適宜的(例如，內部溫度在觀察到的、偏好的範圍內)那些天中，駕駛員可在執行任何氣候設置之前首先改變無線電。在內部溫度高於或低於偏好的範圍的其它天中，駕駛員可在改變無線電之前首先設置氣候。即使在這個車輛尚未移動的相當簡單的示例中，駕駛員可能不得不通過一個或更多個菜單進行導航以獲得期望的控制。由於當駕駛員進入車輛時在不同的狀況下採取不同的動作，所以不能簡單地默認為「總是顯示氣候」或者「總是顯示無線電」。或者更確切地，這些動作中的一個可以是默認的，但至少有一部分默認為特定選項的時間將不會導致適合於駕駛員的即時需求的顯示。

向駕駛員提供「智能」車輛顯示可減少駕駛員沮喪感，給駕駛員節省時間，增加駕駛員對車輛與現代技術相接觸的感受。此外，在駕駛情況下，由於駕駛員不了解功能，或者，由於駕駛員太忙於駕駛以至於不能導航到特定功能，所以駕駛員可能會直接放棄對將會改善駕駛體驗的特定車輛功能的使用。

說明性示例提供了基於對駕駛員意圖進行確定的解決方案。例如，可通過使用神經網絡的算法來即時地確定駕駛員意圖。針對這種算法的說明性輸入包括：(i)駕駛員生理測量(包括但不限於，心率、呼吸速率、誘發皮層電位、皮膚電反應和肌電圖)；(ii)根據obd數據確定的駕駛員行為參數(包括但不限於，制動踏板激活、加速器激活、方向盤激活)；(iii)涉及駕駛員的可觀察輸入(諸如但不限於，視覺搜索和掃描活動、注視和查看側視鏡、後視鏡、儀表面板和儀錶板的頻率和持續時間)；(iv)行駛路徑的相機視圖和駕駛的車輛兩側的相機視圖。示例性算法使用針對所有上述變量的馬爾科夫分析來確定駕駛員的即時意圖(例如，改變行駛的車道、使車輛加速、減速、使用遠程信息處理系統來聯繫某人等)作為輸出。

這些情境變量和其它情境變量可通過車載傳感器或者穿戴/攜帶的並且與車輛聯繫或連接的駕駛員裝置/傳感器來測量。可通過與遠程網絡的無線連接來向車輛提供其它情境變量。

基於所確定的意圖，可向駕駛員或其他乘員提供與所確定的意圖相關的虛擬控制件和顯示面板。這種虛擬控制件和顯示面板可被自動呈現為可激活的選項，或者該顯示可被直接動態調整。特定的顯示和控制件的自動呈現可取決於例如偏好的駕駛員設置和/或與特定預測相關聯的置信度。

例如，研究顯示，駕駛員變換車道的意圖可從心率數據分析被預見到。類似地，在至少一個說明性示例中，駕駛員調用任何特徵/功能的意圖可被確定，並且可被瞬間分配給具有嵌入式圓周環(embeddedcircumferentialring)的可重新配置的方向盤。當通過基於神經網絡的算法感測到「意圖」(即，當狀況指示可能的駕駛員動作即將發生時)並且駕駛員與方向盤上的圓周環進行交互(諸如，輕拍)時，提供相關的顯示作為確認反饋，並且通過適當的車輛系統來完成所意圖的動作。如上所述，基於設置和置信度水平，顯示可直接被自動改變，而無需等待批准。(例如，當交通流量高時，或者當置信度高於n％時，或者針對特定的功能等，駕駛員可預先配置自動顯示改變)。

圖2示出了用於提供預測的駕駛員輔助的預測處理的說明性示例。針對在該圖中描述的說明性實施例，應當注意的是，為了執行在此示出的示例性方法中的一些或全部的目的，通用處理器可被暫時用作專用處理器。當執行提供用於執行所述方法的一些或全部步驟的指令的代碼時，所述處理器可被暫時改用作專用處理器，直到所述方法完成時為止。在另一示例中，在適當的程度上，根據預先配置的處理器運行的固件可使得所述處理器充當為了執行所述方法和所述方法的一些合理的變型的目的而被提供的專用處理器。

在該說明性示例中，所述處理將預測與各種情境變量相關聯的意圖。先前列出了通常被描述為駕駛員生理測量、駕駛員行為參數、可觀察的輸入和相機視圖的若干非限制性情境變量。其它非限制性情境變量包括但不限於天氣、交通、一天中的時間、星期幾等。可結合特定的駕駛員動作來觀察各種情境因素的組合，並且如果相同的變量在相同的動作期間足夠頻繁地出現，則在至少一部分情境因素與駕駛員動作之間存在很可能可觀察的相關性。因此，當相關變量的出現在特定狀態下存在時，可以以至少某種成功程度來預測駕駛員動作。

在該說明性示例中，在201，由預測處理系統(諸如上述使用神經網絡的算法)接收一個或更多個情境輸入。在諸如由於輸入的變化以及可能有大量的可用輸入變量而使得基於規則的算法可能更難應用的情況下，神經網絡是有用的。由於系統「學習」哪些變量與哪些行為具有較高的相關性，因此不同的變量可針對預測特定行為隨著時間的推移被賦予不同的權重。

關於圖3和圖4示出的示例是基於規則的示例，這主要是因為當產生結果依賴的變量可能正在偏移或者是未知的時，在這種意義上用算法描述神經網絡的功能是困難的。這些示例(包括基於規則的預測)被示出為更複雜的預測算法可如何運行以在不同的狀況下提供不同的顯示的概括，並且這些示例並不意在以任何方式來限制本發明的範圍。值得注意的是，一旦相當適合的權重已經被賦予用於該預測的最大控制變量，則微調後的預測結果可能接近基於規則的方法，但是神經網絡也可適應於新的變量的引入並適當地調整這些變量。此外，可使用圖中示出的這些變量的附加變量，並且甚至示出的相對簡單的預測可在最初基於未知的變量集合，當更多基於規則的近似值被調整時，所述未知的變量集合被作為與隨著時間推移的特定行為相關的相關變量進行學習。

在203，預測算法處理接收到的輸入，以在205確定任何已知或可預測的相關性。可將預期的相關性的預設列表加載到預測算法中以開始，其中，當系統在接收到的輸入下觀察到越來越多的駕駛員行為實例時，所述預期的相關性的預設列表可用更為特定的學習的駕駛員行為來替代。例如但不限於，心率的飆升以及駕駛員對後視鏡的掃視高於特定頻率可在最初被用於預測即將發生的變換車道。隨著時間的推移，可以觀察到的是，駕駛員在方向盤上將其手的位置移動到特定位置以變換車道，並且這是比預先加載的變量更好的指示(對於給定的駕駛員而言，這也是假設的示例，而不是規則)。因此，神經網絡可學習將更大的權重分配給手的位置變量的變化，並且該變量與其它示例性(或不同的)變量的某種組合相結合可成為針對給定的駕駛員的變換車道意圖的良好預測指示。

由於是人(而不是機器人)駕駛車輛，所以不同的變量值對於不同的駕駛員可能意味著不同的情況。因此，對於任何給定的規則集合和預測集合而言，將這些規則與給定的駕駛員相關聯可能是有用的。針對駕駛員的規則和觀察也可被上傳到中央伺服器，在中央伺服器中進行關於與常見動作相對應的常用變量的一般化觀察可能是可行的，這對於在最初針對新的駕駛員調整系統可能是有用的。

如果所述處理觀察到接收的輸入與已知的動作之間的任何相關性，並且如果這些相關性對於一個或更多個可能的駕駛員意圖是相當公平的，則在211，所述系統可呈現具有最高預測發生可能性的選項。此外，這種選項可在改變車輛顯示或控制件展示之前被呈現給駕駛員以進行確認。在213，如果駕駛員確認預測的動作即將發生，則該示例中的所述處理至少做兩件額外的事情。在一些情況下，根據預期的動作可能性或者在駕駛員預先配置的設置指示特定動作應被自動執行的情況下，所述處理可自動接受確認(和/或自動處理改變，而不實際顯示確認)。

第一(或第二，順序不是很重要)，所述處理可記錄與特定動作相對應的以所考慮的方式加權的變量的組合。在219，這允許系統針對變量集合和權重(其可能已經被調整為正在進行的處理的一部分)增大預測動作的發生率。當針對相同的變量反覆觀察到相同的動作時，所述處理可更好地預測未來的動作。在221，所述處理還可執行顯示或控制件的改變，所述顯示或控制件的改變將通過呈現與即將發生的動作相關的控制件或信息來向駕駛員提供改進的車內體驗。

如果預測不正確，則在215，所述處理可減弱預測動作與觀察的變量之間的關係。為了預測特定呈現的動作的目的，這可包括例如減少分配給特定變量的權重。在217，該預測隨後可從可能的預測動作的臨時列表中被移除，並且在205，如果預測相關性仍然保持，則所述處理可重複執行。

例如，假設輸入變量是駕駛員在視鏡和手位置掃視的變量。在該示例中，心率不作為輸入出現。所述系統可首先預測正在進行轉彎，針對該示例的目的，正在進行轉彎被駕駛員拒絕作為意圖的動作。接下來，所述系統預測將發生車道變換。駕駛員確認該動作。當轉彎動作被拒絕時，所述系統可按照預定的減量來減小掃視、手位置與轉彎之間相關性。在該說明性實例中，這表示這兩個變量本身並不等於轉彎意圖。同時，該系統可增強掃視、手位置與車道變換之間的關係，至少在該示例中指示這兩個變量足以預測變換車道的意圖。

如果這種場景以足夠的頻率發生，則車道變換的預測(這裡的「正確」預測)將在可能動作的有序列表上超過「轉彎」預測，並且將變為第一個呈現的動作。同時，掃視與手位置之間的關係將在一定程度上針對車道變換被增強，使得即使額外的變量作為表示情境的系統輸入而出現，但是手位置、掃視與車道變換之間的高相關性可取代一個或更多個不相關變量的存在，並且仍然將車道變換作為第一選項來呈現。

在205，如果在閾值準確度下沒有可預測的相關性，或者如果所有預測的動作都被駕駛員拒絕作為正確動作，則在207，所述處理可等待以觀察駕駛員實際上採取什麼動作(如果有的話)。一旦駕駛員採取動作(即，將被認為是可重複的、可預測的動作的動作)，則在209，所述處理可記錄針對該動作識別和接收的輸入的集合。然後，當下次出現相同的輸入時，這種情況可能是所述系統正確地預測當前關聯的動作。

此外，雖然這是神經網絡可如何操作以「學習」駕駛員行為的相當簡單的版本，但是其演示了車輛如何能夠對正確預測的行為作出響應，以輔助駕駛員並改善駕駛體驗。

圖3示出了第一預測處理的說明性示例。針對在該圖中描述的說明性實施例，應當注意的是，為了執行在此示出的示例性方法中的一些或全部的目的，通用處理器可被暫時用作專用處理器。當執行提供用於執行所述方法的一些或全部步驟的指令的代碼時，所述處理器可被暫時改用作專用處理器，直到所述方法完成時為止。在另一示例中，在適當的程度上，根據預先配置的處理器運行的固件可使得所述處理器充當為了執行所述方法和所述方法的一些合理的變型的目的而被提供的專用處理器。

如前所述，這種基於規則的示例意在表示車輛如何能夠對預測的駕駛員意圖作出反應，而不是將本發明限制於基於規則的預測。諸如該示例的基於規則的預測可隨著時間的推移根據對駕駛員行為的反覆觀察以及確定哪些變量(在該示例中，溫度觸發和生物特徵觸發)與做出關於期望進行氣候控制的最終確定是相關的而動態發展。

在該示例中，在301，所述處理首先檢測車輛上電。此外，在該示例中，行為的預測被關聯到給定的已知駕駛員，所以在303，在上電時檢測駕駛員。可使用任何合理的駕駛員檢測手段，所述駕駛員檢測手段包括檢測與駕駛員相關聯的裝置、通過遙控鑰匙、行為或面部識別或者任何其它適當的駕駛員識別來識別駕駛員。如果駕駛員未被識別，則可將通用配置文件分配給駕駛員，以試圖在構建配置文件的同時預測性地輔助駕駛員，或者直接放棄預測直到構建/學習到針對駕駛員的合理的預測集合。

如果駕駛員是已知的，則在305，加載針對該駕駛員的駕駛員配置文件。雖然駕駛員配置文件可包含大量的信息，但是在該示例中，該配置文件至少包括與駕駛員的可預測行為的集合相關聯的預測變量。在該示例中，存在已經學習的可能的預測，其中，在307，特定溫度指示利用氣候控制件的意圖，和/或，在309，特定駕駛員生物特徵指示利用氣候控制件的意圖。

例如，如果溫度低於65華氏度或高於80華氏度，則所述處理可分別確定駕駛員通常設定升高車廂溫度或降低車廂溫度。或者，例如，從用戶檢測到的顫抖、高於或低於閾值的外部車身溫度或其它因素可被用於確定車廂溫度的變化被通常設定。如果在指示可預測氣候控制件使用的合理閾值的值上存在所學習的觸發中的任何一個，則在313，所述處理可向用戶提供氣候控制件。

在315，如果該提供被接受，則在317，所述處理可增強當前觸發之間的關係(由於預測是正確的，所以導致改進的可預測性)，並且在319，改變所顯示的車輛菜單以與氣候控制件相對應。如果該提供被拒絕，則在321，所述系統可減弱該關係。由於不正確的預測可能僅僅是一次性發生，所以小的減量不應導致將來預測的終止。同時，足夠的不正確預測可累計達到使預測下降至可靠性閾值以下，從而終止預測(至少基於這些變量)，直到再次觀察到行為與可進行閾值預測的情境相對應。一旦任何氣候控制件已被提供，則在311，預測算法可繼續觀察其它輸入以用於提供其它駕駛員輔助(如果需要的話)。

圖4示出了第二預測處理的說明性示例。針對在該圖中描述的說明性實施例，應當注意的是，為了執行在此示出的示例性方法中的一些或全部的目的，通用處理器可被暫時用作專用處理器。當執行提供用於執行所述方法的一些或全部步驟的指令的代碼時，所述處理器可被暫時改用作專用處理器，直到所述方法完成時為止。在另一示例中，在適當的程度上，根據預先配置的處理器運行的固件可使得所述處理器充當為了執行所述方法和所述方法的一些合理的變型的目的而被提供的專用處理器。

在該說明性示例中，對於給定的駕駛員而言情況可能是：位置、無線電信號強度或駕駛員生物特徵上的特定改變可指示期望改變無線電臺。雖然所述處理針對監測無線電而被描述，但是應當理解的是，正在發生的是正在饋送到預測機制內的輸入，並且在403、405和/或407，當特定輸入存在時，該算法表示可能的預測結果。

在該示例中，在401，饋送到算法中的一個輸入是無線電狀態輸入。通過所學習的行為，已經觀察到(針對該示例的目的)的是，當在403無線電信號下降至閾值強度以下時，或者當在405駕駛員到達特定地理坐標或邊界時，或者當在407出現生物特徵觸發(也許可被解釋為駕駛員的不滿)時，駕駛員可能期望控制無線電以改變電臺。如果這些觸發中的任何一個或一些以適當的水平出現以與閾值無線電控制件預測相對應，則在409，所述處理可提供關於無線電的控制件。

在411，如果駕駛員再次接受該提供(如同圖3)，則在413，可增強當前輸入與無線電控制的概念之間的關係。此外，這有助於通過學習哪些預測是正確的或者哪些預測是不正確的來改進未來的預測。在415，車輛顯示器可被改變以呈現無線電控制件。在411，如果駕駛員拒絕無線電控制件，則在417，可減弱無線電控制件預測與測量的變量之間的關係。並且在419，所述系統可再次繼續處理用於其它駕駛員輔助的輸入。

可在車輛中和車輛周圍觀察到大量的情境。通過使用神經網絡算法，可隨著時間的推移通過觀察將(例如，由於新的車輛傳感器引入的)新的變量動態地整合到現有的預測和理解中。雖然可能需要採取某種程度的測量觀察來制定預測，但是可以以合理的精確度來預測觀察的變量的群組與駕駛員動作之間的最終相關性，從而導致車輛功能和駕駛員控制件的改進呈現。也可使用這些預測來呈現駕駛員從未使用的控制件和功能，但是這在給定情況下會是有用的。汽車oem知道針對哪種情況設計了哪些功能，因而，如果給定的情況被預測到，則與這種情況相對應的功能可容易地被置於駕駛員的指尖處。

雖然以上描述了示例性實施例，但是這些實施例並不意在描述本發明的所有的可能形式。更確切地，說明書中所使用的詞語是描述性詞語而非限制性詞語，並且應理解的是，可在不脫離本發明的精神和範圍的情況下做出各種改變。此外，可將各種實現的實施例的特徵進行組合以形成本發明的進一步的實施例。