（5）驾驶行为识别。司机行为在智能汽车中起重要作用。机器学习和动态图形模型，比如隐马尔可夫模型（Oliver and  Pentland，2000年），高斯混合建模（GMM）（Miyajima等人，2007年）和贝叶斯网络（Kumagai  and  Akamatsu，2006），这些是应用建模来识别驾驶员的行为。

（6）沟通与合作。汽车聊天项目使信息在附近的汽车之间传输（Reichardt等人，2002）。它与COM2REACT项目（2006）建立了合作。多层次的交通虚拟子中心由车辆对车辆通信和车辆到中心的通信。库珀项目（2006年）提供本地情况的信息，交通和通过专用的基础设施状态信息结构，以支持车辆通信链路。该盖项目（2006年）开发语义驱动与主要集中在交流合作系统基础设施和车辆之间讯。该项目（鲁斯科尼等，2007）设计了一种智能协同系统，该系统提供了实时在附近其他车辆的信息和路边设备，以提高驾驶者的反应。手表项目（2006年）开发合作体系，为预防道路交通事故涉及弱势道路使用者，如摩托车，自行车和行人。合作社车辆─基础设施系统项目（CVIS）（2006年）创建统一的技术解决方案，使所有车辆和基础架构元素与每个之间以连续和透明的方式沟通。

（7）车辆安全性。车辆安全通讯（SEVECOM）项目提供了一个完整的定义和执行车辆和车辆间通信的安全性要求行动（Panos等人，2006）。车辆自组网（VANET）的安全性也部分解决了安全性车辆（Magda等人，2002; Hubaux等人，2004;Raya和Hubaux，2005; Bryan和Adrian，2005年），这些问题的陈述并提出使VANET得到一个通用的解决方案的轮廓。

然而，我们发现以上所列的大部分的工作并不是充分的情景感知。当前的工作通常集中在特殊的实用技术，如通信，传感和驱动程序的帮助。 在此外，情景用于进一步分析的推理没有投入足够的重视。这将限制智能辆与某些辅料车的发展，所以不同的要求将导致不同的智能汽车。 那里缺乏智能汽车全面认识、全面观点的共识。

本研究试图搭建起一个智能汽车在自下而上的情景感知观点。我们想建立一个通用的理论基础并为智能汽车基础设施设定框架。 所有可表征的一个实体的驾驶环境将被收集并定义。将在复杂的重要作用形势下分析推理。在这样的智能车，我们可以开发不多修改当前体系结构而得到不同的服务和应用。

3。通用架构

智能车是一个全面的整合许多不同的传感器，控制模块，驱动器，等（Wang，2006）。智能汽车可以监视驾驶环境，评估可能的风险，采取适当的行动，来避免或降低风险。 一个智能汽车的总体结构如图1所示。

图1：总体结构图

（1）交通监控。多种扫描技术可用于识别汽车和其他道路使用者之间的距离。在不久的将来主动感知的环境入口和出口的汽车将是一个一般能力（Tang等人，2006）。以视力为基础的方法可以用来提供定位信息。雷达和激光雷达传感器提供位置的相关信息和物体的相对速度。 多相机技术能够消除盲点，识别障碍，并记录环境。除了上述技术，汽车可以得到从互联网上或附近的汽车交通信息。

（2）驱动的监测。司机代表最高的安全风险。事故的近95％的由于人为因素而在近四分之三案件完全是怪人的行为（Rau，1998）。智能汽车目前有潜力的前途是帮助驾驶员提高其态势感知能力并减少错误。随着摄像头监控驾驶员的视线和活动，智能汽车试图保持对驾驶员的前进道路上的关注。 生理传感器可以检测驾驶员是否处于良好状态。

（3）汽车监控。一辆汽车的动态可从发动机，油门和制动器读取。 这些数据将通过控制器区域网络来传送（CAN）和分析车子是否正常工作。