使用情景原子，认购事项及发布机制。将感兴趣的特定情况下原子的应用添加到订户列表中，与信息一起发布情景给他们。一旦订阅环境的变化，新的数据将被传递到订阅应用程序。

情景情况：训练和识别

上面提到的情景原子层提供的基本概念数据块。然而，它不能表示复杂的知识，如汽车的当前状态。因此，这种情况下的原子层的顶部会扩大。该情况层的主要目的是融合个人情景原子成有意义的情景的情况，即识别情景情况下的情景原子。我们可以定义该过程为

At1,i1At2,i2。。。Atm,imCi,Atk,jkA,CiC              （5）

这里有二种情况下的情况层：触发和非触发的情况。触发情况是那些需要应对和调用特定的服务的情况。非触发的情况下则不需要响应，只用于描述在中间状态转换。

图3：三个本体

情景识别是一个实时推理处理和应对的系统。本研究采用的是基于模式的推理引擎，并包括两个部分：基于统计的离线情况格局培训和在线情况识别（图4）。培训相位被用于学习情景原子和情况，因此以统计关系之间的格局生成每一个情况的情景原子。该在线识别阶段是根据其在智能车的运行时间模式的现状来进行识别的。

图4：情景识别

5。智能车原型

我们将设备、传感器和网络建立一个智能车的原型，如图5所示。该软件平台开发管理设备，支持联网通信和提供用于情景模型和应用程序的运行时的环境。

图5：智能车原型

硬件基础设施

    智能车包括智能设备、传感器和电子控制单元处理器（ECU）。在该原型中使用的设备在表1列出。一台笔记本电脑运行软件平台和应用程序。 一台PDA在智能汽车运行合作软件平台。虚拟键盘和触摸屏为乘客提供用更简单的互动。对于通信，通过无线路由器提供用户在汽车信息服务。 三个电子控制单元处理器是用MPC555处理器构建。 一个CAN集线器用于多个通讯节点与汽车的结合。 一个CAN分析仪是必要的消息分析工具。

    在我们的原型中部署了各种传感器，如表2所列。环境的情景原子分别由Crossbow的传感器与一个无线模块组合获得的。它提供了传感功能，环境包括光、气压、磁场、湿度和温度。超声传感器被用来估计两个相邻汽车之间的距离。

汽车环境，比如对燃油信息、车轮旋转和速度是从车CAN总线获得。蓝牙GPS接收器来确定汽车的位置。

    在驱动环境中，RFID标识被用于识别驾驶员和乘客的身份。 压力传感器被用来确定手指在方向盘上。酒精传感器是用于检测驾驶者的酒精含量。

    对于复杂的传感器如摄像机和话筒，需要处理传感器复杂的数据这样才能被其它设备接收。

    摄像机用于追踪司机的头部和眼睛运动。主动融合实时人脸检测和眼动追踪进行形状模型判断（ASM）（Cootes等，2001）。检测眨眼使用所描述的方法（Pan等人，2007）。对于图像识别的用户，我们使用了费歇尔算法（Belhumeur等人，1997）比较与所检测到的面部用户的人脸图像。

麦克风被用来接收声音命令从而驱动程序。约20个关键词，包括“天气”，“音乐”，“音乐关”，“停车场空间”等等，是一个通过语音来访问定义驱动程序而不是用手工服务。声纳（Liu，2007年）是我们的实验室开发的语音处理和说话人识别工具，用来构建关键字识别引擎。论文网

6。软件平台

    我们已经制定了智能汽车环境感知的软件平台。该平台包括四个层次：网络层，代理层，环境基础设施建设层和服务层。 情景感知智能汽车英文文献和中文翻译(4):http://www.youerw.com/fanyi/lunwen_96933.html