断言交通工具检测模型生成和实现
1.相关申请的交叉引用本技术要求于2019年12月2日提交的题为“assertive vehicle detection model generation”的美国专利申请序列号16/700,825的权益和优先权，其全部内容通过引用并入本文中。
技术领域
2.本公开总体上涉及自主交通工具，并且更具体地涉及产生用于标识断言交通工具（assertive vehicle）的自主交通工具的模型的设备和方法。
背景技术：
3.随着运输技术发展，已开发自主交通工具。自主交通工具可以具有控制系统，该控制系统可以控制自主交通工具的移动、与用户协作以控制交通工具的移动、帮助用户控制交通工具的移动、或其一些组合。自主交通工具可以检测交通工具周围的环境对象，并且控制系统可以将检测到的环境对象用于控制交通工具的移动。
附图说明
4.下面各图被提供有伴随的描述，以提供用于理解本文中公开的主题的一些示例。遍及附图，部件可以用相同的参考数字来标记，以指示该部件是相同的部件、或者包括与遍及其中使用了相同参考数字的附图用该相同参考数字标记的其他部件相同的特征。
5.图1图示了根据本文中描述的实施例的示例交叉路口布置。
6.图2图示了根据本文中描述的实施例的感兴趣区的示例。
7.图3图示了根据本文中描述的实施例的示例路径图。
8.图4图示了根据本文中描述的实施例的交叉路口布置的另一示例。
9.图5图示了根据本文中描述的实施例的交叉路口布置的另一示例。
10.图6图示了根据本文中描述的实施例的另一示例交叉路口布置。
11.图7图示了根据本文中描述的实施例的示例模型生成布置。
12.图8图示了根据本文中描述的实施例的可以基于对所生成的模型的测试而产生的示例准确率-召回率（precision-recall）度量。
13.图9图示了根据本文中描述的实施例的可以由分析系统执行的示例程序。
14.图10图示了根据本文中描述的实施例的示例自主交通工具。
15.图11图示了根据本文中描述的实施例的可以在自主交通工具内实现的示例部件。
具体实施方式
16.下面的描述和附图提供了说明本文中描述的主题的特征的一些示例。本主题总体上涉及自主交通工具，并且更具体地涉及产生用于标识断言交通工具的自主交通工具的模型的设备和方法。
17.通常，自主交通工具将获取与周围环境相关的数据，并且基于该数据来确定要执行的动作（诸如，使自主交通工具移动或停止）。例如，本文中描述的自主交通工具可以捕获与自主交通工具正在其上行使的街道和自主交通工具周围的其他交通工具相关的数据，并且可以基于所捕获的数据来规划路线（包括要执行的动作）。
18.虽然可以规划自主交通工具的动作，但是其他交通工具的移动可能是较不可预测的。虽然在一些实例中，道路规则（诸如，法律和/或普遍接受的实践）有时可以被用于预测其他交通工具的移动，但是其他交通工具是否将会遵循所述规则所定义的动作则可能是较不可预测的。当另一交通工具没有遵循道路规则所定义的动作时，自主交通工具可能必须改变所规划的路线和/或所规划的动作，以针对不遵循道路规则的交通工具所执行的动作进行补偿。
19.呈现其他交通工具违反道路规则的可能性的一个实例是在停止指示器（诸如，停止标志、闪烁的红灯、或指示交通工具应当停止的其他指示器）处。特别地，其他交通工具可能会离开由规则所定义的次序而行进。在一些实例中，当自主交通工具没有针对离开次序（out of order）而行进的交通工具的移动进行补偿时，该离开次序而行进的交通工具可能会导致自主交通工具的所规划路线和针对自主交通工具沿着该路线行进的所规划时间与其他交通工具的移动相交（intersect）。自主交通工具的传统控制系统在标识其他交通工具何时将会离开次序而行进方面具有困难，并且因此可能在正确地针对其他交通工具的移动进行补偿方面具有困难。
20.本文中描述的实施例可以产生一种模型，该模型可以由自主交通工具利用，以更可靠地标识其他交通工具何时将会离开次序而行进。例如，用于生成模型的程序可以包括：利用由自主交通工具捕获的关于其他交通工具在停止指示器处的移动的数据，并且基于该数据来生成该模型。本文中描述的系统可以根据该数据来确定其他交通工具的移动特性。当交通工具被确定为已经离开顺序（out of turn）而行进时（遍及本公开，这可以被称为“断言”），该系统可以确定该交通工具在停止指示器的区域内的特性（诸如，速度、加速度、位置等），并且利用该特性来标识指示该交通工具可能离开顺序而行进的特性。确定来自多个交通工具的指示交通工具可能离开顺序而行进的特性可以被用来生成可以在自主交通工具中实现的模型，以预测交通工具在自主交通工具的实时操作期间何时可能离开顺序而行进，这可以便于自主交通工具基于交通工具将会离开顺序而行进的可能性而采取适当的动作。与在用于自主交通工具的传统控制系统中利用的传统方法相比，用于在自主交通工具内生成和实现模型的这个数据驱动方法可以改进标识离开顺序而行进的交通工具的可靠性。
21.如本领域技术人员将领会的，本文中描述的特征可以以各种方式来具体实施，例如作为方法、设备、系统、计算机程序产品、计算机可读介质和/或其他方式。因此，本文中描述的特征可以采取完全硬件实施例、完全软件实施例（诸如，被实现为固件、驻留软件、微代码或其他软件实现方式中的一个或多个）、或组合了软件和硬件方面的实施例的形式。本公开中描述的主题的特征可以采取计算机程序产品的形式。例如，所述特征可以被实现为存储在一个或多个计算机可读介质（诸如，（多个）非暂时性的计算机可读介质）或一个或多个其上具有存储指令的计算机可读介质上的指令（诸如，程序代码），其中所述指令响应于设备（诸如，计算机）的执行而使该设备执行一个或多个操作。在各种实施例中，指令可以在制
造（多个）计算机可读介质期间被存储在（多个）计算机可读介质上，或者可以在制造（多个）计算机可读介质之后、包括当（多个）计算机可读介质已经在设备内实现时被存储在（多个）计算机可读介质上。
22.图1图示了根据本文中描述的实施例的示例交叉路口布置100。交叉路口布置100示出了自主交通工具可能遇到的特定交叉路口布置100。自主交通工具可以捕获交叉路口布置100的特性。所捕获的特性或其某个部分可以被用于生成用于标识断言交通工具的模型，和/或可以被自主交通工具用于基于由自主交通工具实现的模型来标识断言交通工具。
23.交叉路口布置100包括两个或更多道路（诸如，高速公路）之间的交叉路口102。在所图示的实施例中，第一道路104和第二道路106相交以形成交叉路口102。交叉路口102可以包括由第一道路104和第二道路106共享的部分。在一些实施例中，交叉路口102可以进一步包括与共享部分相关的道路的对象，诸如人行横道和/或停止线。在所图示的实施例中，交叉路口102包括第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114。在所图示的实施例中，第一道路104的第一部分116从交叉路口102的一侧延伸，并且第一道路104的第二部分118从交叉路口102的相对侧延伸。此外，第二道路106的第一部分120从交叉路口102的一侧延伸，并且第二道路106的第二部分122从交叉路口102的相对侧延伸。虽然所图示的实施例示出了相交的两个道路，但是应当理解的是，在其他实施例中，多于两个道路可以相交以形成交叉路口。此外，虽然在所图示的实施例中，道路延伸通过交叉路口，但是应当理解，在其他实施例中，一个或多个道路可以在交叉路口处结束，其中在交叉路口处结束的道路中的每一个在交叉路口的单侧处从交叉路口延伸。
24.交通工具通过交叉路口102而行进的方式可以由道路规则和/或交叉路口102的特性来定义。例如，交叉路口102可以包括针对一个或多个道路的一个或多个停止指示器，其中停止指示器指示从对应于一个或多个停止指示器的方向接近的交通工具要在进入交叉路口102之前在交叉路口102的边缘处停止。例如，停止指示器可以指示交通工具要在交叉路口102的边缘处的对应停止线或人行横道处停止。
25.停止指示器的一些示例包括停止标志、闪烁的红灯和停止线。在所图示的实施例中，交叉路口102包括第一停止标志124、第二停止标志126、第三停止标志128和第四停止标志130。在所图示的实施例中，第一停止标志124针对第一道路104的第一部分116，并且指示从第一部分116接近的交通工具应当在交叉路口102的边缘处停止。在所图示的实施例中，第二停止标志126针对第二道路106的第二部分122，并且指示从第二部分122接近的交通工具应当在交叉路口102的边缘处停止。在所图示的实施例中，第三停止标志128针对第一道路104的第二部分118，并且指示从第二部分118接近的交通工具应当在交叉路口102的边缘处停止。在所图示的实施例中，第四停止标志130针对第二道路106的第一部分120，并且指示从第一部分120接近的交通工具应当在交叉路口102的边缘处停止。虽然所图示的实施例包括针对交通工具可能从其接近的所有方向的停止指示器，但是在其他实施例中，停止指示器可以针对少于交通工具可能从其接近的所有方向。
26.交叉路口布置100可以包括一个或多个交通工具，其中一个或多个交通工具可以是自主交通工具。交通工具可以包括汽车、卡车、公共汽车、摩托车、自行车、滑板车、可以利用道路来行进的其他交通模式、或其一些组合。在所图示的实施例中，交叉路口布置100包括在第一道路104的第二部分118上位于交叉路口102的边缘处的自主交通工具132。此外，
交叉路口布置100包括从第二道路106的第一部分120接近的第一交通工具134、从第一道路104的第一部分116接近的第二交通工具136和第三交通工具138、以及从第二道路106的第二部分122接近的第四交通工具140。在其他实施例中，交叉路口布置100中可以包括更多或更少的交通工具，并且交通工具可以从所有或少于所有的道路部分接近。
27.自主交通工具132可以包括控制系统，该控制系统具有能够捕获自主交通工具132的周围环境的一个或多个传感器。自主交通工具132的传感器可以捕获关于道路、交叉路口102、停止标志和其他交通工具的信息，并且该信息可以被存储为数据。例如，传感器可以捕获周围环境的图像，并且可以确定距周围环境内的对象的距离，所述对象包括交叉路口102、停止标志和/或交通工具。传感器可以捕获图像并且以设定的间隔（诸如，在一些实施例中每0.1秒）来确定距离。基于由传感器捕获的数据，控制系统可以导出周围环境的一个或多个特性，诸如对象相对于其他对象的位置、对象行进所处的速度和/或对象的加速度。在一些实施例中，自主交通工具132可以无线地耦合到服务器或其他设备，并且可以提供用于存储在服务器或其他设备的一个或多个存储器设备上的数据和所导出的特性。
28.图2图示了根据本文中描述的实施例的感兴趣区200的示例。特别地，所图示的感兴趣区200可以是对应于交叉路口102的感兴趣区。感兴趣区200被覆盖在交叉路口102上，以示出感兴趣区200与交叉路口102之间的关系。在其他实施例中，感兴趣区200可以对应于其他交叉路口。
29.感兴趣区200可以包括内部区202、交叉路口区204和缓冲区206。内部区202、交叉路口区204和缓冲区206中的每一个可以对应于交叉路口102。感兴趣区200可以定义在生成用于标识断言交通工具的一个或多个模型时针对其来考虑数据的区域。特别地，与至少部分地处于由感兴趣区200定义的区域内的对象或其某个部分相关的数据可以被用于生成用于标识断言交通工具的一个或多个模型。
30.内部区202可以在交叉路口102的一部分上延伸。特别地，内部区202可以在不包括人行横道的交叉路口102的部分上延伸。例如，内部区202可以在第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114当中延伸并且延伸直到其内边缘。内部区202可以包括交叉路口102的如下部分：在该部分中，移动通过该交叉路口的交通工具被预计穿过路径。在其他实施例中，内部区202可以在交叉路口的停止线当中延伸并且延伸直到其内边缘，和/或在道路的边缘处的交叉点之间成一直线。
31.交叉路口区204可以在交叉路口102上延伸。特别地，交叉路口区204可以在包括人行横道的交叉路口102上延伸。例如，交叉路口区204可以在第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114当中延伸并且包括所述人行横道。交叉路口区204可以进一步包围内部区202。在其他实施例中，交叉路口区204可以在交叉路口的停止线当中延伸并且包括所述停止线，和/或在道路的边缘处的交叉点之间成一直线。
32.缓冲区206可以在交叉路口区204周围延伸，并且从交叉路口区204向外延伸一定距离。因此，缓冲区206可以从第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114的外边缘向外延伸一定距离。例如，在一些实施例中，缓冲区206可以从交叉路口区204延伸三米。在其他实施例中，缓冲区206可以从交叉路口区204以更小或更大的距离延伸。在一些实施例中，可以省略缓冲区206。
33.图3图示了根据本文中描述的实施例的示例路径图300。路径图300可以图示交通
工具可以通过交叉路口302行进的多个路径。在一些实例中，交叉路口302可以包括交叉路口302（图3）。
34.路径图300可以由分析系统（诸如，分析系统704（图7））生成。分析系统可以标识交通工具可以在其中接近交叉路口302的车道和方向。基于所标识的车道和方向，分析系统可确定交通工具可以通过交叉路口302行进的多个路径304。可以基于先前由自主交通工具捕获的交通工具通过交叉路口302的行进路径和/或捕获交通工具通过交叉路口302的行进的图像的其他手段（诸如，照片捕获和/或视频捕获）来产生多个路径304。在其他实施例中，可以基于交通工具可以通过交叉路口302行进的所预测路径来产生多个路径304。分析系统可以在交叉路口302上覆盖多个路径304中的每一个，以生成路径图300。
35.分析系统可以分析多个路径304以标识路径在该处相交的点。分析系统可以基于路径在该处相交来标识一个或多个阈值位置。特别地，针对每个进入路径的阈值位置可以包括针对对应于该进入路径的路径中的每一个的与该进入路径最接近的相交点。在其他实施例中，阈值位置可以包括包围了路径在该处相交的点的区域，所述点最接近对应的进入路径，并且在路径在该处相交的点的一定距离内。例如，阈值位置中的每一个可以包括在路径在该处相交的对应点周围具有一米半径的区域。
36.例如，分析系统可以标识第一进入路径306。第一进入路径306可以是接近交叉路口302的交通工具可以在其上前进的轨迹。第一进入路径306可以沿着从第一方向接近交叉路口302的道路的车道延伸。分析系统可以进一步标识交通工具可以在其上行进的从第一进入路径306延伸的第一路径308、第二路径310和第三路径312。第一路径308可以对应于从第一进入路径306的右转，第二路径310可以对应于从第一进入路径306的直线行进，并且第三路径312可以对应于从第一进入路径306的左转。分析系统可以标识第一路径308在该处与第四路径316相交的第一相交点314。此外，分析系统可以标识第二路径310在该处与第四路径316相交的第二相交点318。分析系统还可以标识第三路径312在该处与第四路径316相交的第三相交点320。在所图示的实施例中，基于所标识的相交点，分析系统可以在第一相交点314处定义第一阈值位置，在第二相交点318处定义第二阈值位置，并且在第三相交点320处定义第三阈值位置。取决于实施例，第一阈值位置、第二阈值位置和第三阈值位置中的每一个可以包括对应的相交点或包围了对应的相交点的区域。三个阈值位置可以包括针对沿着第一进入路径306进入交叉路口302的交通工具的阈值位置。
37.在一些实施例中，远程系统可以标识对应于进入路径的路径与其他路径的所有交叉点，并且可以基于所有交叉点来定义阈值位置。远程系统和/或自主交通工具利用对应于位于交叉路口302处的交通工具的阈值位置的一部分。例如，当交通工具经由第一进入路径306接近交叉路口302并且另一交通工具经由第四进入路径326接近交叉路口302时，远程系统和/或自主交通工具可以利用基于与第一进入路径306相关的路径和与第四进入路径326相关的路径之间的相交所定义的阈值位置的部分。
38.为了简洁，已经描述了第一进入路径306和对应的阈值位置。要理解的是，交通工具意图从其进入交叉路口的每个位置可以包括进入路径。例如，所图示的实施例的路径图300包括第一进入路径306、第二进入路径322、第三进入路径324和第四进入路径326。在其他实施例中，路径图可以包括更多或更少的进入路径。此外，虽然所图示的实施例示出了来自交通工具可以进入交叉路口402的每个方向的单个进入路径，但是要理解的是，可以存在
来自一个或多个方向的多于一个进入路径。例如，在其中邻接交叉路口402的一个或多个道路具有交通工具可以沿着其进入交叉路口402的多个车道的情况下，该多个车道中的每个车道可以具有沿着该车道延伸的进入路径。
39.此外，应当理解的是，每个进入路径可以具有一个或多个对应的阈值位置，所述阈值位置可以由分析系统根据用于确定针对第一进入路径306的阈值位置的所描述的程序来确定。例如，除了确定针对第一进入路径306的阈值位置之外，分析系统可以利用所描述的程序来确定针对所图示的实施例中的第二进入路径322、第三进入路径324和第四进入路径326的阈值位置。另外地，虽然针对第一进入路径306的阈值位置是基于与第四路径316的相交点来确定的，但是应当理解的是，可以基于与进入路径相对应的路径的最接近该进入路径出现的相交点来确定阈值点，在一些实例中，与进入路径相对应的所述路径可以包括与多于一个其他路径的相交点。此外，虽然所图示的实施例中来自进入路径中的每一个的路径是针对从进入路径中的每一个右转、左转和笔直行进的交通工具而示出的，但是在其他实例中，所述路径可以在更多或更少的方向上前进。例如，在一些实例中，所述路径可以包括u形转弯路径或附加的转弯路径，和/或在一些实例中可以省略任何右转、左转或笔直行进路径。
40.图4图示了根据本文中描述的实施例的交叉路口布置400的另一示例。交叉路口布置400可以包括交叉路口布置100（图1）的一个或多个特征。例如，交叉路口布置400可以包括交叉路口402。交叉路口402可以包括交叉路口102（图1）的一个或多个特征。
41.交叉路口布置400可以包括感兴趣区406。感兴趣区406对应于交叉路口402。特别地，感兴趣区406在交叉路口402上延伸，并且包括交叉路口402的人行横道。感兴趣区406包括内部区408、交叉路口区410和缓冲区412。交叉路口区410可以在包括人行横道的整个交叉路口402上延伸。内部区408可以在排除了人行横道的交叉路口402上延伸。缓冲区412可以在交叉路口区410周围延伸，并且从交叉路口区410的边缘延伸一定距离。在一些实施例中，缓冲区412可以从交叉路口区410的边缘以三米的距离向外延伸。
42.交叉路口布置400进一步包括自主交通工具414。自主交通工具414可以包括自主交通工具132（图1）的一个或多个特征。自主交通工具414可以检测与交叉路口402相关的一个或多个对象。例如，自主交通工具414可以检测交叉路口402的停止标志、交叉路口402的人行横道、交叉路口402的停止线、交叉路口402的车道指示器（诸如，针对交叉路口402的一个或多个车道的车道线和/或方向指示器）或其一些组合。基于由自主交通工具414检测到的对象，自主交通工具414可以定义感兴趣区406的位置，包括内部区408、交叉路口区410和缓冲区412。例如，自主交通工具414可以定义内部区408、交叉路口区410和缓冲区412相对于自主交通工具414的位置。在其他实施例中，内部区408、交叉路口区410和缓冲区412的位置可以基于先前捕获的关于交叉路口402的信息来定义，可以由用户来定义，或者可以由先前捕获的信息、用户、以及自主交通工具414所捕获的对象中的一个或多个的组合来确定。
43.交叉路口布置400可以进一步包括一个或多个其他交通工具。特别地，在所图示的实施例中，交叉路口布置400包括第一交通工具416、第二交通工具418和第三交通工具420。自主交通工具414可以检测其他交通工具的位置和/或其他交通工具的部分。例如，自主交通工具414可以确定沿着交通工具中的每一个的多个点的位置，并且确定交通工具中的每一个所占据的区域。基于交通工具中的每一个的所确定的区域，自主交通工具414可以确定
交通工具中的每一个的大小、交通工具中的每一个的类型、或其一些组合。自主交通工具414可以进一步存储交通工具中的每一个的位置的指示、以及发生位置捕获所处的时间。例如，自主交通工具414可以针对每个交通工具存储该交通工具的前边缘的位置的指示，该指示具有指示该位置被捕获所处的时间的相关时间戳。此外，自主交通工具414可以将交通工具的所存储的位置指示限制到感兴趣区406内的交通工具。例如，自主交通工具414可以存储具有相关联的时间戳的第一交通工具416和第二交通工具418的位置的指示，而由于第三交通工具420在感兴趣区406外部，所以在所图示的实施例中所示的时刻处，自主交通工具414可以省略第三交通工具420的位置以免于存储。
44.当其他交通工具沿着感兴趣区406内的路径行进时，自主交通工具414可以执行其他交通工具的位置的捕获。例如，自主交通工具414可以以设定的间隔（诸如，以10赫兹的速率）执行交通工具位置的捕获。当第一交通工具416沿着第一路径430行进时、当第二交通工具418沿着第二路径432行进时、以及当第三交通工具420沿着第三路径434行进时，自主交通工具414可以捕获所述交通工具的位置。在一些实施例中，自主交通工具414可以仅在自主交通工具414位于感兴趣区406内时执行交通工具位置的捕获。在一些情况下，自主交通工具414可以提供针对交通工具中的每一个的捕获，以用于生成路径图，诸如路径图300（图3）。例如，针对交通工具中的每一个的捕获可以与行进到交叉路口402的交通工具的其他捕获组合，以产生交叉路口402的路径图。
45.基于交通工具的所存储的位置和时间戳，自主交通工具414可以确定交通工具的位置和交叉路口402的停止线的位置、感兴趣区406的边缘、交叉路口区410的边缘、内部区408的边缘或其一些组合之间的关系。例如，自主交通工具414可以确定第一交通工具416的前端424与感兴趣区406的边缘之间的距离422、第一交通工具416的前端424与交叉路口区410的边缘之间的距离426（在所图示的实施例中，其中交叉路口区410的边缘位于用作交叉路口402的停止线的人行横道的外边缘处），第一交通工具416的前端424与内部区408的边缘之间的距离428、或其一些组合。为了简洁，描述了第一交通工具416的位置之间的关系，但是要理解的是，自主交通工具414可以确定感兴趣区406内的其他交通工具（诸如，第二交通工具418）与对应的区和/或线之间的关系。所确定的距离可以是有符号距离或无符号距离。例如，距离426可以是正的，以指示第一交通工具416的前端424在感兴趣区406的边缘与交叉路口区410的边缘之间，并且可以是负的，以指示第一交通工具416的前端424位于交叉路口区410的边缘与感兴趣区406的边缘的相对的侧上。在其他实施例中，距离可以是无符号的，并且可以基于两个或更多距离来确定第一交通工具416的前端424可以位于边缘和/或线的哪一侧上。例如，可以基于距离422和距离426来确定第一交通工具416的前端424在交叉路口区410的边缘的哪一侧上。
46.此外，自主交通工具414可以确定感兴趣区406内的其他交通工具的特性。特别地，自主交通工具414可以利用交通工具的位置的两个或更多所存储的捕获和对应的时间戳来确定感兴趣区内的其他交通工具的特性。所述特性可以包括交通工具中的每一个的速度、交通工具中的每一个的加速度、或其一些组合。例如，自主交通工具414可以基于自主交通工具414的位置的至少两个捕获和对应的时间戳来确定第一交通工具416在时间上的速度。特别地，自主交通工具414可以基于位置的至少两个捕获来确定第一交通工具416在某个时间段内行进的距离，并且基于在该时间段内行进的距离来确定交通工具的速度。此外，自主
交通工具414可以基于至少三个捕获来确定第一交通工具416的加速度。特别地，自主交通工具414可以基于至少三个捕获的第一部分来确定第一速度，并且基于至少三个捕获的第二部分来确定第二速度，第二部分在时间上在第一部分之后延伸，并且基于第一速度与第二速度之间的差来确定加速度的量。
47.自主交通工具414可以进一步确定感兴趣区406内的交通工具的通行权次序（right of way order）。特别地，通行权次序可以包括交通工具应当基于道路规则和/或交叉路口402的特性前进通过交叉路口402的次序的指示。对于在所有方向上具有停止指示器的所图示的交叉路口布置400，自主交通工具414可以基于交通工具到达交叉路口402的次序、交通工具进入感兴趣区406的次序、交通工具在对应的停止线处停止所处的次序、交通工具前方的车道中是否存在交通工具、或者其一些组合来确定通行权次序。例如，自主交通工具414可以基于第一个到达交叉路口402的第一交通工具416向第一交通工具416指派该次序中的第一位置，基于第二个到达交叉路口402的自主交通工具414向自己指派该次序中的第二位置，基于第三个到达交叉路口402的第二交通工具418向第二交通工具418指派该次序中的第三位置，并且当第三交通工具420到达交叉路口402时向第三交通工具420指派该次序中的第四位置。在其他实施例中，自主交通工具414可以仅包括在自主交通工具414之后到达交叉路口402的交通工具，或者仅包括在自主交通工具414的阈值时间内在自主交通工具之后到达交叉路口402的交通工具，其中阈值时间可以是一秒。例如，自主交通工具414可以向自己指派该次序中的第一位置，基于在自主交通工具414之后第二个到达交叉路口402的第二交通工具418向第二交通工具418指派该次序中的第二位置，并且当第三交通工具420到达交叉路口402时向第三交通工具420指派该次序中的第三位置，而第一交通工具416没有被包括在该次序中，这是由于第一交通工具416在自主交通工具414到达交叉路口402之前就到达交叉路口402。
48.当交通工具离开感兴趣区406时，该交通工具可以从通行权次序中被移除，并且该次序中较低的交通工具可以在该次序中被提升。例如，当被指派了通行权次序中的第一位置的交通工具离开感兴趣区406时，被指派了通行权次序中的第二位置的交通工具可以被提升到通行权次序中的第一位置。在其他实施例中，当交通工具到达阈值位置时，该交通工具可以从通行权次序中被移除，并且该次序中较低的交通工具可以在该次序中被提升。
49.自主交通工具414可以进一步根据交通工具中的每一个的位置的捕获和对应的时间戳来确定与通行权次序相关的特性。与通行权次序相关的特性可以包括交通工具中的每一个是否在其前方具有另一交通工具（其可以被称为“引导交通工具”）、交通工具中的每一个到达交叉路口402的时间与尚未到达阈值位置或离开感兴趣区406的交通工具之一到达交叉路口402的最早时间之间的差、针对交通工具中的每一个在该交通工具之前到达交叉路口的交通工具的数目、或其一些组合。为了确定交通工具是否具有引导交通工具，自主交通工具414可以基于所捕获的交通工具位置来确定是否存在位于内部区408与该交通工具之间的另一交通工具。
50.自主交通工具414可以向分析系统（诸如，分析系统704（图7））提供交通工具位置的捕获和对应的时间戳。在一些实施例中，自主交通工具414可以进一步向分析系统提供一个或多个所导出的特性。例如，自主交通工具414可以向分析系统提供距停止线的距离、距感兴趣区406的边缘的距离、距交叉路口区410的边缘的距离、距内部区408的边缘的距离、
通行权次序、引导交通工具的存在的指示、和/或交通工具到达交叉路口402的时间与尚未到达阈值位置或离开感兴趣区406的交通工具之一到达交叉路口402的最早时间相比的差。在一些实施例中，自主交通工具414可以不向分析系统提供所导出的特性，并且分析系统可以从交通工具位置的捕获和提供给分析系统的对应时间戳中导出特性。
51.图5图示了根据本文中描述的实施例的交叉路口布置500的另一示例。交叉路口布置500可以包括交叉路口布置400（图4）的一个或多个特征。特别地，交叉路口布置500可以包括对应于交叉路口504的感兴趣区502，其中感兴趣区502包括感兴趣区406（图4）的一个或多个特征。
52.交叉路口布置500可以包括自主交通工具506。自主交通工具506可以执行由自主交通工具414（图4）执行的一个或多个操作。交叉路口布置500可以进一步包括第一交通工具508和第二交通工具510。在所图示的实施例中，自主交通工具506可以捕获第一交通工具508和第二交通工具510的位置，并且在所图示的实施例中可以确定第二交通工具510是第一交通工具508的引导交通工具。特别地，自主交通工具506可以确定第二交通工具510还没有到达任何对应的阈值位置（诸如，关于图3描述的第一阈值位置、第二阈值位置和第三阈值位置）。此外，自主交通工具506可以确定第二交通工具510的后端512在第一交通工具508的前端514的一定距离之内。在一些实施例中，用于确定第二交通工具510是第一交通工具508的引导交通工具的距离可以是三米。特别地，在所图示的实施例中，基于第二交通工具510没有到达任何对应的阈值位置并且第二交通工具510的后端512在第一交通工具508的前端514的三米之内，自主交通工具506可以确定第二交通工具510是第一交通工具508的引导交通工具。在其他实施例中，自主交通工具506可以向分析系统（诸如，分析系统704（图7））提供交通工具位置的捕获，并且分析系统可以基于接收到的交通工具位置的捕获来确定第二交通工具510是第一交通工具508的引导设备。
53.图6图示了根据本文中描述的实施例的另一示例交叉路口布置600。交叉路口布置600可以包括交叉路口布置400（图4）和/或交叉路口布置500（图5）的一个或多个特征。交叉路口布置600可以包括交叉路口602，其中自主交通工具604接近交叉路口602。交叉路口布置600可以进一步包括第一交通工具606和第二交通工具608。
54.基于第一交通工具606和第二交通工具608到达交叉路口402、进入感兴趣区610、停在对应的停止线处、或其一些组合的次序，自主交通工具604可能已经确定第二交通工具608相比于第一交通工具606具有行进通过交叉路口602的优先权、或者基于由自主交通工具604执行的捕获所导出的信息可以指示第二交通工具608相比于第一交通工具606具有行进通过交叉路口602的优先权。特别地，第二交通工具608可能已经被指派了针对交叉路口602的通行权次序中的第一位置，并且第一交通工具606可能已经被指派了针对交叉路口602的通行权次序中的第二位置。然而，由自主交通工具604捕获的交通工具移动的捕获指示第一交通工具606在第二交通工具608行进通过交叉路口602之前到达阈值位置612。特别地，交通工具位置的至少一个捕获指示第一交通工具606位于阈值位置612，而第二交通工具608仍然被定位成朝向第二交通工具608的进入路径614。当交通工具在被指派了通行权次序内的第一位置之前到达阈值位置时，该交通工具可以被称为断言交通工具。在被指派了通行权次序内的第一位置之后到达阈值位置的交通工具可以被称为非断言交通工具。在一些实施例中，自主交通工具604可以基于第一交通工具在第一交通工具606被指派了通行
权次序中的第一位置之前到达阈值位置612来标识第一交通工具606是断言交通工具。在其他实施例中，交通工具位置的捕获可以被提供给分析系统（诸如，分析系统704（图7）），其中第一交通工具606可以被标识为断言交通工具。
55.响应于被标识为断言交通工具，可以分析该交通工具在感兴趣区610内的移动的过去捕获。例如，可以从指示第一交通工具606到达阈值位置612的捕获来逐步通过（step through）过去捕获，以标识指示第一交通工具606在阈值速度以下行使、距交叉路口602大于阈值距离的过去捕获、或其一些组合。在所图示的实施例中，当第一交通工具在阈值速度以下行进或距交叉路口602大于阈值距离时，可以确定第一交通工具606处于第二位置616中。指示第一交通工具606到达阈值位置612的捕获与指示第一交通工具606在阈值速度以下行进、距交叉路口602大于阈值距离的捕获或其一些组合之间的捕获可以被称为断言捕获。断言捕获可以被分析以确定可以用于预测接近交叉路口的交通工具是否将是断言交通工具（即，在对应于其在通行权次序中的位置的时间之前到达阈值位置）的特性。例如，针对断言捕获中的每一个的所导出的特性（包括距交叉路口区的停止线/边缘的距离、距内部区的边缘的距离、交通工具的速度、交通工具的加速度、交通工具是否具有引导交通工具、交通工具到达交叉路口的时间与尚未到达阈值位置或离开感兴趣区的交通工具之一到达交叉路口的最早时间之间的差、交通工具的通行权次序或其一些组合）可以被分析，以标识可以用于预测接近交叉路口的交通工具是否将是断言交通工具的特性。
56.图7图示了根据本文中描述的实施例的示例模型生成布置700。模型生成布置700图示了可以生成用于通过自主交通工具来标识断言交通工具的模型的部件。特别地，所生成的模型可以由自主交通工具来实现，以用于预测接近具有停止指示器的交叉路口的交通工具是否将是断言交通工具。
57.模型生成布置700可以包括一个或多个自主交通工具702。自主交通工具702可以包括自主交通工具132（图1）、自主交通工具414（图4）、自主交通工具506（图5）和/或自主交通工具604（图6）的一个或多个特征。此外，自主交通工具702可以执行遍及本公开描述的自主交通工具的一个或多个操作。例如，当其他交通工具在对应于交叉路口的感兴趣区内行进时，自主交通工具702可以捕获交叉路口处的其他交通工具的位置。在一些实施例中，自主交通工具702可以进一步向分析系统导出与其他交通工具相关的特性，诸如距对应的停止线的距离、距感兴趣区的对应边缘的距离、距交叉路口区的对应边缘的距离、距内部区的对应边缘的距离、通行权次序、引导交通工具的存在的指示、该交通工具到达交叉路口的时间与尚未到达阈值位置或离开感兴趣区的其他交通工具之一已经到达交叉路口的最早时间相比的差、或其一些组合。此外，在一些实施例中，自主交通工具702可以标识断言交通工具和非断言交通工具，其中在一些实施例中，自主交通工具702还可以标识和/或分析断言捕获。
58.模型生成布置700可以进一步包括分析系统704。分析系统704可以耦合到自主交通工具702。例如，分析系统704可以经由无线连接710无线地耦合到自主交通工具702，并且可以与自主交通工具702通信。分析系统704可以从自主交通工具702接收交通工具位置的捕获，并且可以将捕获作为数据存储在存储器设备706中。在一些实施例中，分析系统704可以进一步接收与其他交通工具相关的所导出的特性，可以接收断言交通工具和非断言交通工具的标识、断言捕获的标识、分析断言捕获的结果或其一些组合，并且将这些作为数据存
储在存储器设备706内。存储器设备706可以包括计算机可读介质。此外，存储器设备706可以进一步是非暂时性的。存储器设备706可以进一步具有存储在其上的一个或多个指令，当被执行时，所述指令使得分析系统704执行本文中描述的一个或多个操作。
59.虽然存储器设备706被图示和描述为分析系统704的一部分，但是应当理解的是，在其他实施例中，存储器设备706可以位于分析系统704的外部并且耦合到分析系统704。例如，在一些实施例中，存储器设备706可以位于服务器中，其中分析系统704可以从服务器中检索数据并且将数据存储在服务器上。
60.分析系统704可以进一步包括处理设备708（诸如，处理器）。处理设备708可以基于从自主交通工具702接收到的数据来生成用于在由自主交通工具实现时标识断言交通工具的模型。例如，处理设备708可以从存储器设备706中检索数据，并且分析该数据以产生模型，该模型可以由自主交通工具使用以在自主交通工具的操作期间标识所预测的断言交通工具和所预测的非断言交通工具。
61.处理设备708可以标识从自主交通工具702接收到的与在至少两个方向上具有停止指示器的某个交叉路口相关的数据。例如，处理设备708可以基于交通工具在被捕获时所位于的位置和/或具有某个交叉路口的路线图来标识与某个交叉路口相关的数据。处理设备708可以检索与某个交叉路口相关的数据，其中该数据可以包括与行进通过某个交叉路口和/或被多个自主交通工具702捕获的多个交通工具相关的数据。检索到的数据可以包括表示交通工具在对应于交叉路口的感兴趣区内的移动的数据。
62.如果该数据在从自主交通工具702被接收到时不包括所导出的特性或其某个部分，则处理设备708可以分析由该数据表示的捕获以产生该数据的所导出的特性。例如，针对由该数据表示的交通工具中的每一个，处理设备708可以向分析系统产生距对应停止线的距离、距感兴趣区的对应边缘的距离、距交叉路口区的对应边缘的距离、距内部区的对应边缘的距离、通行权次序、引导交通工具的存在的指示、该交通工具到达交叉路口的时间与尚未到达阈值位置或离开感兴趣区的其他交通工具之一到达交叉路口的最早时间相比的差、或其一些组合。处理设备708可以将所导出的特性作为该数据的一部分存储在存储器设备706中。如果该数据在从自主交通工具702被接收到时包括所导出的特性或其某个部分，则处理设备708可以利用从自主交通工具702接收到的所导出的特性。
63.在一些实施例中，处理设备708可以过滤检索到的数据以移除与不相关的交通工具相关联的数据的一部分。特别地，处理设备708可以过滤掉与在捕获了交通工具位置的自主交通工具之前到达交叉路口的交通工具或者在自主交通工具到达的阈值时间内到达交叉路口的交通工具相关的数据。此外，处理设备708可以过滤与如下交通工具相关的数据：在该交通工具中，针对交通工具的大于阈值的捕获数目从该数据中缺失，其中捕获数目的阈值可以对应于阈值时间，诸如三秒。处理设备708还可以在发生感知错误的情况下过滤数据，诸如在与数据相关的交通工具的大小不能够被正确地确定的情况下或者在与数据相关的交通工具的所确定的大小在交通工具的捕获当中变化的情况下过滤数据。在其中执行过滤的实施例中，经过滤的数据可以被用于数据的进一步处理。在其他实施例中，未过滤的数据可以用于进一步处理。
64.处理设备708可以基于检索到的数据和/或所导出的数据来确定对应于该检索到的数据的哪些交通工具是断言交通工具、以及对应于该检索到的数据的哪些交通工具是非
断言交通工具。在其中从自主交通工具702接收到的数据指示哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具的实施例中，处理设备708可以利用该指示来确定哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具。在其他实施例中，该数据可以被呈现给用户（诸如，作为图呈现给用户），并且用户可以指示哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具。处理设备708可以利用由用户提供的指示来确定哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具。在其他实施例中，处理设备708可以确定针对交通工具中的每一个的通行权次序值，其中通行权次序值指示该交通工具在该通行权次序中的位置。处理设备708可以进一步确定交通工具中的每一个何时穿过对应的阈值位置。处理设备708可以基于距对应于交叉路口的内部区的距离来确定交通工具何时穿过对应的阈值位置。处理设备708可以确定交通工具中的每一个何时穿过对应的阈值位置是否对应于与该交通工具相关的通行权次序。特别地，处理设备708可以确定交通工具是否在对应于该交通工具的通行权值的时间之前的时间处穿过对应的阈值位置。例如，如果在该交通工具穿过对应的阈值位置的时间处该交通工具没有被指派通行权次序中的第一位置，则处理设备708可以确定该交通工具在对应于该交通工具的通行权值的时间之前穿过对应的阈值位置。处理设备708可以将在该时间之前穿过的交通工具标识为断言交通工具，并且将在该时间处或该时间之后穿过的交通工具标识为非断言交通工具。
65.处理设备708可以标识与所标识的断言交通工具相关联的数据的第一部分和与所标识的非断言交通工具相关联的数据的第二部分。特别地，处理设备708可以针对所标识的断言交通工具中的每一个将与交通工具位置的捕获相关的数据标识为该数据的第一部分。此外，处理设备708可以针对所标识的非断言交通工具中的每一个将与交通工具位置的捕获相关的数据标识为该数据的第二部分。
66.处理设备708可以基于与断言交通工具相关的数据的第一部分和与非断言交通工具相关的数据的第二部分来生成用于标识断言交通工具的一个或多个模型。该一个或多个模型可以包括逻辑回归模型、支持向量机模型、决策树模型、随机森林模型、前馈神经网络模型或其组合。在一些实施例中，模型可以利用当前位置、距停止线的距离、距交叉路口的边缘的距离、距内部区的边缘的距离、速度、加速度、对应的引导交通工具的指示、通行权次序的指示、或其一些组合来预测交通工具是否将是断言交通工具。模型中的每一个可以产生在标识所标识的断言交通工具和所标识的非断言交通工具方面与处理设备708一致的结果。
67.在其中由处理设备708生成多个模型的实施例中，处理设备708可以测试模型中的每一个，针对模型中的每一个指派性能得分，并且基于性能得分来选择要在自主交通工具中实现的模型之一以标识被预测为断言交通工具的交通工具。例如，处理设备708可以测试模型中的每一个，并且基于该测试来产生准确率-召回率度量，其中准确率-召回率度量可以包括性能得分。图8图示了根据本文中描述的实施例的可以基于对所生成的模型的测试而产生的示例准确率-召回率度量。该测试可以包括分析第二感兴趣区内的交通工具移动的多个场景，该第二感兴趣区对应于在至少两个方向上具有停止指示器的第二交叉路口。在一些实施例中，第二感兴趣区和第二交叉路口可以是用于生成模型的相同感兴趣区和相同交叉路口。该测试可以基于在该多个场景中是否正确地标识了断言交通工具和非断言交
通工具来生成和指派准确率得分。可以基于准确率-召回率度量来选择模型中的一个以在自主交通工具中实现。在一些实施例中，可以选择具有最高准确率得分和召回率得分的模型。在一些实施例中，可以对准确率得分和召回率得分进行加权，可以基于加权的准确率得分和加权的召回率得分来生成组合得分，并且可以选择产生了最高组合得分的模型以在自动化交通工具中实现。在其他实施例中，性能得分可以呈现给用户，并且用户可以选择要在自主交通工具中实现的模型。
68.在一些实施例中，可以利用模型中的一个或多个来执行真阳性/假阳性分析。真阳性/假阳性分析可以包括基于模型中的每一个将预测与观察到的交通工具行为进行比较。特别地，针对在交叉路口处的某个交通工具，将该模型所产生的对断言交通工具的预测与该某个交通工具的实际观察到的行为进行比较。可以针对多个情形执行比较，其中可以基于所述情形之间的相似性将所述情形分组到多个不同的组中。可以基于真阳性/假阳性分析来产生不匹配得分，其中不匹配得分指示断言交通工具的预测与观察到的行为不匹配的次数。在一些实施例中，可以标识具有最高不匹配得分的一个或多个组，并且将其呈现给用户以进行分析。此外，具有最高不匹配得分的一个或多个组中的情形可以被增强（boost）（诸如，通过对组内的情形进行上采样）并且被用来重新训练一个或多个模型以改进模型的性能。
69.分析系统704可以进一步提供用于在自主交通工具702中实现的模型或所选的模型。特别地，分析系统704可以经由无线连接710向自主交通工具702中的每一个提供要实现的模型。自主交通工具702可以实现用于标识断言交通工具的所提供的模型。
70.图9图示了根据本文中描述的实施例的可以由分析系统执行的示例程序900。例如，程序900可以由分析系统704（图7）执行。
71.在阶段902中，分析系统可以从存储器设备中检索表示感兴趣区内的交通工具移动的数据。感兴趣区可以对应于在至少两个方向上具有停止指示器的交叉路口。检索到的数据可以包括由一个或多个自主交通工具捕获的通过交叉路口的交通工具移动的捕获和对应的时间戳。此外，在一些实施例中，该数据可以包括基于捕获的一个或多个所导出的特性、和/或与该数据相关的交通工具被标识为断言交通工具还是非断言交通工具的指示。
72.在阶段904中，在一些实施例中，分析系统可以基于捕获和对应的时间戳来产生一个或多个所导出的特性。特别地，如果检索到的数据不包括所导出的特性或包括所导出的特性的一部分，则分析系统可以产生没有被包括在检索到的数据中的所导出的特性。产生的所导出的特性可以作为该数据的一部分而保存。在一些实施例中，可以省略阶段904。
73.在阶段906中，在一些实施例中，分析系统可以过滤与不相关的交通工具相关的数据的一部分。特别地，分析系统可以过滤与在生成了交叉路口处的捕获的自主交通工具的到达阈值时间之前或之内到达的交通工具相关的数据。此外，在一些实施例中，可以过滤与其中阈值量的捕获缺失和/或存在感知错误（诸如，交通工具的大小未被正确地标识和/或交通工具的大小在捕获之间变化）的交通工具相关的数据。在一些实施例中，可以省略阶段906。
74.在阶段908中，分析系统可以从该数据来标识断言交通工具和非断言交通工具。特别地，该分析可以分析交通工具中的每一个的捕获和/或所导出的特性，以确定该交通工具是断言交通工具还是非断言交通工具。分析系统可以基于该数据中从自主交通工具接收到
的指示、从用户接收到的指示、交通工具中的每一个穿过对应的阈值位置的时间、以及与该交通工具相关的通行权次序、或其一些组合来标识断言交通工具和非断言交通工具。
75.在阶段910中，分析系统可以标识与所标识的断言交通工具相关联的数据的第一部分。特别地，分析系统可以将对应于与所标识的断言交通工具相关联的捕获的数据的一部分标识为该数据的第一部分。
76.在阶段912中，分析系统可以标识与所标识的非断言交通工具相关联的数据的第二部分。特别地，分析系统可以将对应于与所标识的非断言交通工具相关联的捕获的数据的一部分标识为该数据的第二部分。
77.在阶段914中，分析系统可以生成用于通过自主交通工具来标识断言交通工具的一个或多个模型。所述模型可以产生在标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具方面与分析系统一致的结果。例如，当在所述模型中利用与交通工具相关的数据时，所述模型可以产生对断言交通工具和非断言交通工具的相同标识、或者在标识方面以低于一定量的错误产生相同标识。
78.在阶段916中，在一些实施例中，分析系统可以将性能得分指派给模型中的每一个。例如，分析系统可以执行对模型中的每一个的测试，并且产生针对模型中的每一个的准确率-召回率度量，其中准确率-召回率度量可以包括该模型的性能得分。在一些实施例中，可以省略阶段916，诸如当分析系统在阶段914中生成单个模型时。
79.在阶段918中，分析系统可以选择用于在自主交通工具中实现的模型中的一个。可以基于在阶段916中生成的性能得分来选择该模型。在一些实施例中，可以省略阶段918。
80.在阶段920中，分析系统可以在一个或多个自主交通工具中实现该模型。特别地，分析系统可以向自主交通工具提供该模型，并且自主交通工具可以利用该模型来预测在具有停止指示器的交叉路口处的交通工具是否将是断言交通工具。
81.虽然针对程序900描述了特定次序，但是要理解的是，在其他实施例中次序可能不同。此外，在一些实施例中，程序900的一个或多个阶段可以同时执行。在一些实施例中，可以在程序900的情况下执行附加的阶段，和/或可以省略程序900的一个或多个阶段。
82.图10图示了根据本文中描述的实施例的示例自主交通工具1000。自主交通工具1000是如遍及本公开所描述的自主交通工具的示例。自主交通工具1000可以如遍及本公开所描述的那样捕获感兴趣区内的交通工具的位置，并且将捕获提供给服务器和/或分析系统（诸如，分析系统704（图7））。此外，本文中生成的模型可以在自主交通工具1000中实现，以用于标识断言交通工具。
83.自主交通工具1000可以包括汽车1004。自主交通工具1000可以包括安装到汽车1004的一个或多个传感器1002。传感器1002可以安装到汽车1004上的不同位置。例如，传感器1002可以安装到汽车1004的车顶、汽车1004的侧镜、汽车1004的前部、汽车1004的后部、汽车1004的侧面或其一些组合。
84.传感器1002可以包括一个或多个相机、一个或多个光检测和测距（lidar）传感器、一个或多个雷达传感器或其一些组合。在一些实施例中，雷达传感器可以包括铰接雷达传感器、远程雷达传感器、短程雷达传感器或其一些组合。传感器1002可以检测自主交通工具1000的周围环境。例如，传感器1002可以检测自主交通工具1000周围的一个或多个对象，诸如其他汽车、行人、树木、自行车、自主交通工具1000正在其上行进的道路内的对象（诸如，
可能阻碍交通工具移动的建筑和/或其他对象）、和/或自主交通工具1000周围的指示（诸如，建筑标志、停止指示器和其他街道标志）。
85.自主交通工具1000可以进一步包括耦合到传感器1002的计算机。计算机可以接收由传感器1002捕获的数据，并且将该数据用于自主交通工具1000的定位、感知、预测、路线规划、机动规划、运动规划、路径遵循和低级别控制。此外，计算机可以通信地耦合到服务器和/或分析系统（诸如，分析系统704（图7）），并且可以与服务器和/或分析系统交换通信。计算机可以进一步耦合到自主交通工具1000的一个或多个系统，并且可以控制自主交通工具1000的节气门、制动、转向和/或指示器的操作。
86.图11图示了根据本文中描述的实施例的可以在自主交通工具内实现的示例部件1100。特别地，部件1100可以在遍及本文所描述的自主交通工具（诸如，自主交通工具1000（图10））中实现。
87.部件1100可以包括计算机1102。计算机1102可以包括关于图10描述的计算机的一个或多个特征。计算机1102可以协调自主交通工具的一个或多个操作，并且可以分析由自主交通工具捕获的数据。
88.部件1100可以进一步包括一个或多个传感器1104。传感器1104可以包括传感器1002的一个或多个特征。传感器1104可以耦合到计算机1102，并且可以向计算机1102提供由传感器1104捕获的数据。
89.部件1100可以进一步包括一个或多个存储器设备1106。存储器设备1106可以耦合到计算机1102。在一些实施例中，存储器设备1106也可以耦合到传感器1104。存储器设备1106可以包括计算机可读介质。在一些实施例中，计算机可读介质可以是非暂时性计算机可读介质。存储器设备1106可以存储一个或多个指令，当由计算机1102执行时，所述指令使得计算机1102执行遍及本公开所描述的一个或多个操作，所述操作由在自主交通工具中实现的计算机来执行。此外，存储器设备1106可以被用于存储自主交通工具的数据。例如，计算机1102可以将从传感器1104接收到的数据提供给存储器设备1106，以用于存储在存储器设备1106上。此外，存储器设备1106可以存储与自主交通工具的路线规划相关联的路线、与自主交通工具的机动规划相关联的机动、或其一些组合。
90.部件1100可以进一步包括一个或多个交通工具系统1108。交通工具系统1108可以耦合到计算机1102，并且计算机1102可以控制交通工具系统1108的操作。交通工具系统1108可以包括自主交通工具的运动系统、自主交通工具的指示器系统或其一些组合。运动系统可以包括自主交通工具的节气门系统、制动系统、转向系统或其一些组合。
91.部件1100可以进一步包括通信系统1110。通信系统1110可以耦合到计算机1102。通信系统1110可以包括无线通信系统，并且可以允许计算机1102与其他设备无线通信，该其他设备诸如服务器和/或分析系统（例如分析系统704（图7））。通信系统1110可以实现一个或多个无线通信标准，诸如蜂窝通信标准、雷达通信标准、卫星通信标准、全球定位系统通信标准、wi-fi通信标准和/或蓝牙通信标准。
92.选择示例下面提供了根据本公开中提供的主题的实施例的一些示例。应当理解的是，示例仅仅是一些示例，并且根据本主题的实施例不限于所提供的示例。
93.示例1可以包括一种用于生成用于通过自主交通工具来标识断言交通工具的模型
的方法，包括：检索表示感兴趣区内的交通工具移动的数据，其中所述感兴趣区对应于在至少两个方向上具有停止指示器的交叉路口；标识与一个或多个所标识的断言交通工具相关联的数据的第一部分和与一个或多个所标识的非断言交通工具相关联的数据的第二部分；以及基于所述数据的第一部分和所述数据的第二部分来生成用于标识断言交通工具的所述模型，其中所述模型产生在从所述数据来标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具方面一致的结果。
94.示例2可以包括示例1的方法，其中所述数据包括针对交通工具中的每一个的距对应的停止线的距离、距对应于交叉路口的内部区的距离、速度、加速度、对应的引导交通工具的指示、对应的通行权次序的指示、或来自具有通行权的对应交通工具的到达时间中的差。
95.示例3可以包括示例1的方法，进一步包括：基于针对交通工具中的每一个的距对应于交叉路口的内部区的距离和对应于交通工具的通行权次序来标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具。
96.示例4可以包括示例3的方法，进一步包括：基于所述数据来标识在捕获了所述数据的对应自主交通工具的阈值时间之前或之内进入所述感兴趣区的交通工具的一部分，以及过滤表示交通工具的移动的数据以移除与交通工具的所述部分相关联的数据的一部分，其中经过滤的数据被用于标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具。
97.示例5可以包括示例3的方法，其中标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具包括：确定交通工具中的每一个的通行权值；确定交通工具中的每一个何时穿过对应的阈值位置；基于在对应于一个或多个所标识的断言交通工具中的每一个的通行权值的时间之前穿过对应的阈值位置的一个或多个所标识的断言交通工具来从交通工具中标识一个或多个所标识的断言交通工具；以及基于在对应于一个或多个所标识的非断言交通工具中的每一个的通行权值的时间处穿过对应的阈值位置的一个或多个所标识的非断言交通工具来从交通工具中标识一个或多个所标识的非断言交通工具。
98.示例6可以包括示例5的方法，其中交通工具中的每一个的阈值位置包括其中交通工具中的交通工具的路径与交通工具中的另一交通工具的路径交叉的位置。
99.示例7可以包括示例1的方法，其中用于标识断言交通工具的所述模型是第一模型，其中所述感兴趣区是第一感兴趣区，其中所述交叉路口是第一交叉路口，并且其中所述方法进一步包括：基于所述数据的第一部分和所述数据的第二部分来生成用于标识断言交通工具的多个模型，其中所述多个模型产生在从所述数据来标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具方面一致的结果，并且其中所述多个模型包括第一模型；使用所述多个模型中的每一个来分析第二感兴趣区内的交通工具移动的多个场景，其中第二感兴趣区包括在至少两个方向上具有停止指示器的第二交叉路口，并且其中所述多个模型中的每一个尝试标识所述多个场景内的断言交通工具和非断言交通工具；基于所述多个模型中的每一个是否正确地标识所述多个场景内的断言交通工具和非断言交通工具来向所述多个模型中的每一个指派性能得分；以及基于对应于第一模型的性能得分指示第一模型胜过所述多个模型中的其他模型来从所述多个模型中选择第一模型，以
用于在所述自主交通工具中实现。
100.示例8可以包括示例7的方法，进一步包括：使得用于标识断言交通工具的第一模型由所述自主交通工具来实现。
101.示例9可以包括示例1的方法，其中所述感兴趣区包括交叉路口区和缓冲区，其中交叉路口区在所述交叉路口的停止位置当中延伸并且覆盖所述交叉路口，并且其中缓冲区从交叉路口区向外延伸一定距离。
102.示例10可以包括其上具有存储的指令的一个或多个计算机可读介质，其中所述指令响应于由设备的执行而使得所述设备：检索表示感兴趣区内的交通工具移动的数据，其中所述感兴趣区对应于在至少两个方向上具有停止指示器的交叉路口；基于所述数据来确定交通工具中的每一个何时穿过对应的阈值位置；基于所述数据来确定交通工具的通行权次序；确定交通工具中的每一个何时穿过对应的阈值位置是否对应于交通工具的通行权次序；以及将交通工具中的每一个标记为断言交通工具或非断言交通工具，其中断言交通工具不对应于通行权次序，并且非断言交通工具对应于通行权次序。
103.示例11可以包括示例10的一个或多个计算机可读介质，其中将交通工具中的每一个标记为断言交通工具或非断言交通工具包括：针对被标记为断言交通工具的交通工具中的每一个，确定当交通工具中的每一个具有低于阈值速度的交通工具速度、或者距所述感兴趣区的交叉路口区的距离大于阈值距离时的第一时间，其中第一时间在当交通工具中的每一个被确定为已经穿过对应的阈值位置时的第二时间之前；以及将从第一时间到第二时间的时间间隔标记为针对交通工具中的每一个的断言时间间隔。
104.示例12可以包括示例10的一个或多个计算机可读介质，其中所述指令进一步使得所述设备：标识与不相关的交通工具相关联的数据的一部分，并且从所述数据中过滤所述数据的所述部分以产生经过滤的数据，其中交通工具中的每一个何时穿过对应的阈值位置以及交通工具的通行权次序是基于经过滤的数据来确定的。
105.示例13可以包括示例12的一个或多个计算机可读介质，其中不相关的交通工具包括在阈值时间之前到达的交通工具的一部分和针对阈值持续时间没有确定大小的交通工具的一部分。
106.示例14可以包括示例10的一个或多个计算机可读介质，其中所述指令进一步使得所述设备：基于所述数据来生成用于标识断言交通工具的模型，所述模型将由自主交通工具来实现，其中所述模型产生与将交通工具中的每一个标记为断言交通工具或非断言交通工具一致的结果。
107.示例15可以包括示例14的一个或多个计算机可读介质，其中所述模型是第一模型，其中所述感兴趣区是第一感兴趣区，其中所述交叉路口包括第一交叉路口，并且其中所述指令进一步使得所述设备：基于所述数据来生成用于标识断言交通工具的多个模型，其中所述多个模型包括第一模型，并且其中所述多个模型中的每一个模型产生与将交通工具中的每一个标记为断言交通工具或非断言交通工具一致的结果；使用所述多个模型中的每一个来分析第二感兴趣区内的交通工具移动的多个场景，其中所述多个模型中的每一个尝试标识所述多个场景内的断言交通工具和非断言交通工具；基于所述多个模型中的每一个是否正确地标识所述多个场景内的断言交通工具和非断言交通工具来向所述多个模型中的每一个指派性能得分；以及基于对应于第一模型的性能得分指示第一模型胜过所述多个
模型中的其他模型来选择第一模型以用于在所述自主交通工具中实现。
108.示例16可以包括示例15的一个或多个计算机可读介质，其中所述多个模型包括从逻辑回归模型、支持向量机模型、决策树模型、随机森林模型和前馈神经网络模型中选择的至少两个模型。
109.示例17可以包括示例10的一个或多个计算机可读介质，其中所述数据包括对应于交通工具中的每一个的路径的指示。
110.示例18可以包括一种用于生成用于通过自主交通工具来标识断言交通工具的模型的系统，所述系统包括：存储器设备，用于存储表示感兴趣区内的交通工具移动的数据，其中所述感兴趣区对应于在至少两个方向上具有停止指示器的交叉路口；处理设备，耦合到所述存储器设备，所述处理设备用于：基于所述数据来标识交通工具中的一个或多个断言交通工具；基于所述数据来标识交通工具中的一个或多个非断言交通工具；以及基于与一个或多个断言交通工具相关联的数据的第一部分和与一个或多个非断言交通工具相关联的数据的第二部分来生成用于标识断言交通工具的模型，其中所述模型产生在从所述数据来标识一个或多个断言交通工具和一个或多个非断言交通工具方面一致的结果。
111.示例19可以包括示例18的系统，其中所述模型是第一模型，其中所述感兴趣区是第一感兴趣区，其中所述交叉路口是第一交叉路口，并且其中所述处理设备进一步用于：基于所述数据的第一部分和所述数据的第二部分来生成用于标识断言交通工具的多个模型，其中所述多个模型包括第一模型，并且其中所述多个模型中的每一个产生在从所述数据来标识一个或多个断言交通工具和一个或多个非断言交通工具方面一致的结果；使用所述多个模型中的每一个来分析第二感兴趣区内的交通工具移动的多个场景，其中第二感兴趣区包括在至少两个方向上具有停止指示器的第二交叉路口，并且其中所述多个模型中的每一个尝试标识所述多个场景内的断言交通工具和非断言交通工具；基于所述多个模型中的每一个是否正确地标识所述多个场景内的断言交通工具和非断言交通工具来向所述多个模型中的每一个指派性能得分；以及基于对应于第一模型的性能得分指示第一模型胜过所述多个模型中的其他模型来从所述多个模型中选择第一模型，以用于在所述自主交通工具中实现。
112.示例20可以包括示例18的系统，其中标识一个或多个断言交通工具包括：确定对应于交通工具中的每一个的通行权值；确定交通工具中的每一个何时穿过对应的阈值位置；以及针对交通工具中的每一个来确定主题交通工具穿过对应的阈值位置时的时间不对应于与所述主题交通工具相对应的通行权。
113.其他实现方式注释、变型和应用要理解的是，根据本文中描述的任何特定实施例，不一定可以实现所有的目的或优点。因此，例如，本领域技术人员将认识到，某些实施例可以被配置成以实现或优化如本文中教导的一个优点或一组优点的方式来操作，而不必实现如本文中可能教导或建议的其他目的或优点。
114.在一些实施例中，遍及本公开所描述的一个或多个部件可以被实现为一个或多个电路。电路可以在相关联的电子设备的板上实现。该板可以是通用电路板，该通用电路板可以保持电子设备的内部电子系统的各种部件，并且进一步提供用于其他外围设备的连接器。更具体地，该板可以提供电气连接，该系统的其他部件可以通过所述电气连接进行电气
通信。基于特定的配置需要、处理需求、计算机设计等，任何合适的处理器（包括数字信号处理器、微处理器、支持芯片组等）、计算机可读非暂时性存储器元件等可以合适地耦合到该板。其他部件（诸如，外部存储装置、附加传感器、用于音频/视频显示的控制器、以及外围设备）可以作为插件卡经由线缆附接到该板，或者集成到该板本身中。在各种实施例中，本文中描述的功能可以以仿真形式实现为在支持这些功能的结构中布置的一个或多个可配置（例如，可编程）元件内运行的软件或固件。提供该仿真的软件或固件可以被提供在包括允许处理器执行那些功能的指令的非暂时性计算机可读存储介质上。
115.在一些实施例中，电路可以被实现为独立模块（例如，具有被配置成执行特定应用或功能的相关联部件和电路的设备），或者被实现为进入电子设备的特定应用硬件中的插件模块。要注意的是，本公开的特定实施例可以部分地或全部地被容易地包括在片上系统（soc）封装中。soc表示将计算机或其他电子系统的部件集成到单个芯片中的集成电路（ic）。它可以包含数字、模拟、混合信号，并且经常包含射频功能：其全部可以被提供在单个芯片衬底上。其他实施例可以包括多芯片模块（mcm），其中多个分离的ic位于单个电子封装内，并且被配置成通过电子封装彼此紧密地交互。在各种其他实施例中，数字滤波器可以在专用集成电路（asic）、现场可编程门阵列（fpga）和其他半导体芯片中的一个或多个硅核中实现。
116.要注意的是，在本文中提供的众多示例的情况下，可以关于两个、三个、四个或更多电子部件来描述交互。然而，这样做只是出于清楚和示例的目的。应当领会的是，该系统可以以任何合适的方式被整合。在各种实施例中，任何所公开的部件、模块和元件可以以各种可能的配置被组合，其全部在本公开的范围内。
117.要注意的是，在本说明书中，对被包括在“一个实施例”、“示例实施例”、“实施例”、“另一实施例”、“一些实施例”、“各种实施例”、“其他实施例”、“替代实施例”等中的各种特征（例如，元件、结构、模块、部件、步骤、操作、特性等）的引用意图意指任何此类特征被包括在本公开的一个或多个实施例中，但是可能或者可能不一定被组合在相同的实施例中。
118.本领域技术人员可以确定许多改变、替代、变型、变更和修改，并且要理解的是，本公开涵盖了本领域技术人员可以确定的所有此类改变、替代、变型、变更和修改。此外，要理解的是，可以基于本公开授予的任何保护不受本描述所限制。更确切地说，当鉴于本描述来阅读时，并且如本领域技术人员将理解的那样，该保护将由所附权利要求来限定。
1.相关申请的交叉引用本技术要求于2019年12月2日提交的题为“assertive vehicle detection model generation”的美国专利申请序列号16/700,825的权益和优先权，其全部内容通过引用并入本文中。
技术领域
2.本公开总体上涉及自主交通工具，并且更具体地涉及产生用于标识断言交通工具（assertive vehicle）的自主交通工具的模型的设备和方法。
背景技术：
3.随着运输技术发展，已开发自主交通工具。自主交通工具可以具有控制系统，该控制系统可以控制自主交通工具的移动、与用户协作以控制交通工具的移动、帮助用户控制交通工具的移动、或其一些组合。自主交通工具可以检测交通工具周围的环境对象，并且控制系统可以将检测到的环境对象用于控制交通工具的移动。
附图说明
4.下面各图被提供有伴随的描述，以提供用于理解本文中公开的主题的一些示例。遍及附图，部件可以用相同的参考数字来标记，以指示该部件是相同的部件、或者包括与遍及其中使用了相同参考数字的附图用该相同参考数字标记的其他部件相同的特征。
5.图1图示了根据本文中描述的实施例的示例交叉路口布置。
6.图2图示了根据本文中描述的实施例的感兴趣区的示例。
7.图3图示了根据本文中描述的实施例的示例路径图。
8.图4图示了根据本文中描述的实施例的交叉路口布置的另一示例。
9.图5图示了根据本文中描述的实施例的交叉路口布置的另一示例。
10.图6图示了根据本文中描述的实施例的另一示例交叉路口布置。
11.图7图示了根据本文中描述的实施例的示例模型生成布置。
12.图8图示了根据本文中描述的实施例的可以基于对所生成的模型的测试而产生的示例准确率-召回率（precision-recall）度量。
13.图9图示了根据本文中描述的实施例的可以由分析系统执行的示例程序。
14.图10图示了根据本文中描述的实施例的示例自主交通工具。
15.图11图示了根据本文中描述的实施例的可以在自主交通工具内实现的示例部件。
具体实施方式
16.下面的描述和附图提供了说明本文中描述的主题的特征的一些示例。本主题总体上涉及自主交通工具，并且更具体地涉及产生用于标识断言交通工具的自主交通工具的模型的设备和方法。
17.通常，自主交通工具将获取与周围环境相关的数据，并且基于该数据来确定要执行的动作（诸如，使自主交通工具移动或停止）。例如，本文中描述的自主交通工具可以捕获与自主交通工具正在其上行使的街道和自主交通工具周围的其他交通工具相关的数据，并且可以基于所捕获的数据来规划路线（包括要执行的动作）。
18.虽然可以规划自主交通工具的动作，但是其他交通工具的移动可能是较不可预测的。虽然在一些实例中，道路规则（诸如，法律和/或普遍接受的实践）有时可以被用于预测其他交通工具的移动，但是其他交通工具是否将会遵循所述规则所定义的动作则可能是较不可预测的。当另一交通工具没有遵循道路规则所定义的动作时，自主交通工具可能必须改变所规划的路线和/或所规划的动作，以针对不遵循道路规则的交通工具所执行的动作进行补偿。
19.呈现其他交通工具违反道路规则的可能性的一个实例是在停止指示器（诸如，停止标志、闪烁的红灯、或指示交通工具应当停止的其他指示器）处。特别地，其他交通工具可能会离开由规则所定义的次序而行进。在一些实例中，当自主交通工具没有针对离开次序（out of order）而行进的交通工具的移动进行补偿时，该离开次序而行进的交通工具可能会导致自主交通工具的所规划路线和针对自主交通工具沿着该路线行进的所规划时间与其他交通工具的移动相交（intersect）。自主交通工具的传统控制系统在标识其他交通工具何时将会离开次序而行进方面具有困难，并且因此可能在正确地针对其他交通工具的移动进行补偿方面具有困难。
20.本文中描述的实施例可以产生一种模型，该模型可以由自主交通工具利用，以更可靠地标识其他交通工具何时将会离开次序而行进。例如，用于生成模型的程序可以包括：利用由自主交通工具捕获的关于其他交通工具在停止指示器处的移动的数据，并且基于该数据来生成该模型。本文中描述的系统可以根据该数据来确定其他交通工具的移动特性。当交通工具被确定为已经离开顺序（out of turn）而行进时（遍及本公开，这可以被称为“断言”），该系统可以确定该交通工具在停止指示器的区域内的特性（诸如，速度、加速度、位置等），并且利用该特性来标识指示该交通工具可能离开顺序而行进的特性。确定来自多个交通工具的指示交通工具可能离开顺序而行进的特性可以被用来生成可以在自主交通工具中实现的模型，以预测交通工具在自主交通工具的实时操作期间何时可能离开顺序而行进，这可以便于自主交通工具基于交通工具将会离开顺序而行进的可能性而采取适当的动作。与在用于自主交通工具的传统控制系统中利用的传统方法相比，用于在自主交通工具内生成和实现模型的这个数据驱动方法可以改进标识离开顺序而行进的交通工具的可靠性。
21.如本领域技术人员将领会的，本文中描述的特征可以以各种方式来具体实施，例如作为方法、设备、系统、计算机程序产品、计算机可读介质和/或其他方式。因此，本文中描述的特征可以采取完全硬件实施例、完全软件实施例（诸如，被实现为固件、驻留软件、微代码或其他软件实现方式中的一个或多个）、或组合了软件和硬件方面的实施例的形式。本公开中描述的主题的特征可以采取计算机程序产品的形式。例如，所述特征可以被实现为存储在一个或多个计算机可读介质（诸如，（多个）非暂时性的计算机可读介质）或一个或多个其上具有存储指令的计算机可读介质上的指令（诸如，程序代码），其中所述指令响应于设备（诸如，计算机）的执行而使该设备执行一个或多个操作。在各种实施例中，指令可以在制
造（多个）计算机可读介质期间被存储在（多个）计算机可读介质上，或者可以在制造（多个）计算机可读介质之后、包括当（多个）计算机可读介质已经在设备内实现时被存储在（多个）计算机可读介质上。
22.图1图示了根据本文中描述的实施例的示例交叉路口布置100。交叉路口布置100示出了自主交通工具可能遇到的特定交叉路口布置100。自主交通工具可以捕获交叉路口布置100的特性。所捕获的特性或其某个部分可以被用于生成用于标识断言交通工具的模型，和/或可以被自主交通工具用于基于由自主交通工具实现的模型来标识断言交通工具。
23.交叉路口布置100包括两个或更多道路（诸如，高速公路）之间的交叉路口102。在所图示的实施例中，第一道路104和第二道路106相交以形成交叉路口102。交叉路口102可以包括由第一道路104和第二道路106共享的部分。在一些实施例中，交叉路口102可以进一步包括与共享部分相关的道路的对象，诸如人行横道和/或停止线。在所图示的实施例中，交叉路口102包括第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114。在所图示的实施例中，第一道路104的第一部分116从交叉路口102的一侧延伸，并且第一道路104的第二部分118从交叉路口102的相对侧延伸。此外，第二道路106的第一部分120从交叉路口102的一侧延伸，并且第二道路106的第二部分122从交叉路口102的相对侧延伸。虽然所图示的实施例示出了相交的两个道路，但是应当理解的是，在其他实施例中，多于两个道路可以相交以形成交叉路口。此外，虽然在所图示的实施例中，道路延伸通过交叉路口，但是应当理解，在其他实施例中，一个或多个道路可以在交叉路口处结束，其中在交叉路口处结束的道路中的每一个在交叉路口的单侧处从交叉路口延伸。
24.交通工具通过交叉路口102而行进的方式可以由道路规则和/或交叉路口102的特性来定义。例如，交叉路口102可以包括针对一个或多个道路的一个或多个停止指示器，其中停止指示器指示从对应于一个或多个停止指示器的方向接近的交通工具要在进入交叉路口102之前在交叉路口102的边缘处停止。例如，停止指示器可以指示交通工具要在交叉路口102的边缘处的对应停止线或人行横道处停止。
25.停止指示器的一些示例包括停止标志、闪烁的红灯和停止线。在所图示的实施例中，交叉路口102包括第一停止标志124、第二停止标志126、第三停止标志128和第四停止标志130。在所图示的实施例中，第一停止标志124针对第一道路104的第一部分116，并且指示从第一部分116接近的交通工具应当在交叉路口102的边缘处停止。在所图示的实施例中，第二停止标志126针对第二道路106的第二部分122，并且指示从第二部分122接近的交通工具应当在交叉路口102的边缘处停止。在所图示的实施例中，第三停止标志128针对第一道路104的第二部分118，并且指示从第二部分118接近的交通工具应当在交叉路口102的边缘处停止。在所图示的实施例中，第四停止标志130针对第二道路106的第一部分120，并且指示从第一部分120接近的交通工具应当在交叉路口102的边缘处停止。虽然所图示的实施例包括针对交通工具可能从其接近的所有方向的停止指示器，但是在其他实施例中，停止指示器可以针对少于交通工具可能从其接近的所有方向。
26.交叉路口布置100可以包括一个或多个交通工具，其中一个或多个交通工具可以是自主交通工具。交通工具可以包括汽车、卡车、公共汽车、摩托车、自行车、滑板车、可以利用道路来行进的其他交通模式、或其一些组合。在所图示的实施例中，交叉路口布置100包括在第一道路104的第二部分118上位于交叉路口102的边缘处的自主交通工具132。此外，
交叉路口布置100包括从第二道路106的第一部分120接近的第一交通工具134、从第一道路104的第一部分116接近的第二交通工具136和第三交通工具138、以及从第二道路106的第二部分122接近的第四交通工具140。在其他实施例中，交叉路口布置100中可以包括更多或更少的交通工具，并且交通工具可以从所有或少于所有的道路部分接近。
27.自主交通工具132可以包括控制系统，该控制系统具有能够捕获自主交通工具132的周围环境的一个或多个传感器。自主交通工具132的传感器可以捕获关于道路、交叉路口102、停止标志和其他交通工具的信息，并且该信息可以被存储为数据。例如，传感器可以捕获周围环境的图像，并且可以确定距周围环境内的对象的距离，所述对象包括交叉路口102、停止标志和/或交通工具。传感器可以捕获图像并且以设定的间隔（诸如，在一些实施例中每0.1秒）来确定距离。基于由传感器捕获的数据，控制系统可以导出周围环境的一个或多个特性，诸如对象相对于其他对象的位置、对象行进所处的速度和/或对象的加速度。在一些实施例中，自主交通工具132可以无线地耦合到服务器或其他设备，并且可以提供用于存储在服务器或其他设备的一个或多个存储器设备上的数据和所导出的特性。
28.图2图示了根据本文中描述的实施例的感兴趣区200的示例。特别地，所图示的感兴趣区200可以是对应于交叉路口102的感兴趣区。感兴趣区200被覆盖在交叉路口102上，以示出感兴趣区200与交叉路口102之间的关系。在其他实施例中，感兴趣区200可以对应于其他交叉路口。
29.感兴趣区200可以包括内部区202、交叉路口区204和缓冲区206。内部区202、交叉路口区204和缓冲区206中的每一个可以对应于交叉路口102。感兴趣区200可以定义在生成用于标识断言交通工具的一个或多个模型时针对其来考虑数据的区域。特别地，与至少部分地处于由感兴趣区200定义的区域内的对象或其某个部分相关的数据可以被用于生成用于标识断言交通工具的一个或多个模型。
30.内部区202可以在交叉路口102的一部分上延伸。特别地，内部区202可以在不包括人行横道的交叉路口102的部分上延伸。例如，内部区202可以在第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114当中延伸并且延伸直到其内边缘。内部区202可以包括交叉路口102的如下部分：在该部分中，移动通过该交叉路口的交通工具被预计穿过路径。在其他实施例中，内部区202可以在交叉路口的停止线当中延伸并且延伸直到其内边缘，和/或在道路的边缘处的交叉点之间成一直线。
31.交叉路口区204可以在交叉路口102上延伸。特别地，交叉路口区204可以在包括人行横道的交叉路口102上延伸。例如，交叉路口区204可以在第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114当中延伸并且包括所述人行横道。交叉路口区204可以进一步包围内部区202。在其他实施例中，交叉路口区204可以在交叉路口的停止线当中延伸并且包括所述停止线，和/或在道路的边缘处的交叉点之间成一直线。
32.缓冲区206可以在交叉路口区204周围延伸，并且从交叉路口区204向外延伸一定距离。因此，缓冲区206可以从第一人行横道108、第二人行横道110、第三人行横道112和第四人行横道114的外边缘向外延伸一定距离。例如，在一些实施例中，缓冲区206可以从交叉路口区204延伸三米。在其他实施例中，缓冲区206可以从交叉路口区204以更小或更大的距离延伸。在一些实施例中，可以省略缓冲区206。
33.图3图示了根据本文中描述的实施例的示例路径图300。路径图300可以图示交通
工具可以通过交叉路口302行进的多个路径。在一些实例中，交叉路口302可以包括交叉路口302（图3）。
34.路径图300可以由分析系统（诸如，分析系统704（图7））生成。分析系统可以标识交通工具可以在其中接近交叉路口302的车道和方向。基于所标识的车道和方向，分析系统可确定交通工具可以通过交叉路口302行进的多个路径304。可以基于先前由自主交通工具捕获的交通工具通过交叉路口302的行进路径和/或捕获交通工具通过交叉路口302的行进的图像的其他手段（诸如，照片捕获和/或视频捕获）来产生多个路径304。在其他实施例中，可以基于交通工具可以通过交叉路口302行进的所预测路径来产生多个路径304。分析系统可以在交叉路口302上覆盖多个路径304中的每一个，以生成路径图300。
35.分析系统可以分析多个路径304以标识路径在该处相交的点。分析系统可以基于路径在该处相交来标识一个或多个阈值位置。特别地，针对每个进入路径的阈值位置可以包括针对对应于该进入路径的路径中的每一个的与该进入路径最接近的相交点。在其他实施例中，阈值位置可以包括包围了路径在该处相交的点的区域，所述点最接近对应的进入路径，并且在路径在该处相交的点的一定距离内。例如，阈值位置中的每一个可以包括在路径在该处相交的对应点周围具有一米半径的区域。
36.例如，分析系统可以标识第一进入路径306。第一进入路径306可以是接近交叉路口302的交通工具可以在其上前进的轨迹。第一进入路径306可以沿着从第一方向接近交叉路口302的道路的车道延伸。分析系统可以进一步标识交通工具可以在其上行进的从第一进入路径306延伸的第一路径308、第二路径310和第三路径312。第一路径308可以对应于从第一进入路径306的右转，第二路径310可以对应于从第一进入路径306的直线行进，并且第三路径312可以对应于从第一进入路径306的左转。分析系统可以标识第一路径308在该处与第四路径316相交的第一相交点314。此外，分析系统可以标识第二路径310在该处与第四路径316相交的第二相交点318。分析系统还可以标识第三路径312在该处与第四路径316相交的第三相交点320。在所图示的实施例中，基于所标识的相交点，分析系统可以在第一相交点314处定义第一阈值位置，在第二相交点318处定义第二阈值位置，并且在第三相交点320处定义第三阈值位置。取决于实施例，第一阈值位置、第二阈值位置和第三阈值位置中的每一个可以包括对应的相交点或包围了对应的相交点的区域。三个阈值位置可以包括针对沿着第一进入路径306进入交叉路口302的交通工具的阈值位置。
37.在一些实施例中，远程系统可以标识对应于进入路径的路径与其他路径的所有交叉点，并且可以基于所有交叉点来定义阈值位置。远程系统和/或自主交通工具利用对应于位于交叉路口302处的交通工具的阈值位置的一部分。例如，当交通工具经由第一进入路径306接近交叉路口302并且另一交通工具经由第四进入路径326接近交叉路口302时，远程系统和/或自主交通工具可以利用基于与第一进入路径306相关的路径和与第四进入路径326相关的路径之间的相交所定义的阈值位置的部分。
38.为了简洁，已经描述了第一进入路径306和对应的阈值位置。要理解的是，交通工具意图从其进入交叉路口的每个位置可以包括进入路径。例如，所图示的实施例的路径图300包括第一进入路径306、第二进入路径322、第三进入路径324和第四进入路径326。在其他实施例中，路径图可以包括更多或更少的进入路径。此外，虽然所图示的实施例示出了来自交通工具可以进入交叉路口402的每个方向的单个进入路径，但是要理解的是，可以存在
来自一个或多个方向的多于一个进入路径。例如，在其中邻接交叉路口402的一个或多个道路具有交通工具可以沿着其进入交叉路口402的多个车道的情况下，该多个车道中的每个车道可以具有沿着该车道延伸的进入路径。
39.此外，应当理解的是，每个进入路径可以具有一个或多个对应的阈值位置，所述阈值位置可以由分析系统根据用于确定针对第一进入路径306的阈值位置的所描述的程序来确定。例如，除了确定针对第一进入路径306的阈值位置之外，分析系统可以利用所描述的程序来确定针对所图示的实施例中的第二进入路径322、第三进入路径324和第四进入路径326的阈值位置。另外地，虽然针对第一进入路径306的阈值位置是基于与第四路径316的相交点来确定的，但是应当理解的是，可以基于与进入路径相对应的路径的最接近该进入路径出现的相交点来确定阈值点，在一些实例中，与进入路径相对应的所述路径可以包括与多于一个其他路径的相交点。此外，虽然所图示的实施例中来自进入路径中的每一个的路径是针对从进入路径中的每一个右转、左转和笔直行进的交通工具而示出的，但是在其他实例中，所述路径可以在更多或更少的方向上前进。例如，在一些实例中，所述路径可以包括u形转弯路径或附加的转弯路径，和/或在一些实例中可以省略任何右转、左转或笔直行进路径。
40.图4图示了根据本文中描述的实施例的交叉路口布置400的另一示例。交叉路口布置400可以包括交叉路口布置100（图1）的一个或多个特征。例如，交叉路口布置400可以包括交叉路口402。交叉路口402可以包括交叉路口102（图1）的一个或多个特征。
41.交叉路口布置400可以包括感兴趣区406。感兴趣区406对应于交叉路口402。特别地，感兴趣区406在交叉路口402上延伸，并且包括交叉路口402的人行横道。感兴趣区406包括内部区408、交叉路口区410和缓冲区412。交叉路口区410可以在包括人行横道的整个交叉路口402上延伸。内部区408可以在排除了人行横道的交叉路口402上延伸。缓冲区412可以在交叉路口区410周围延伸，并且从交叉路口区410的边缘延伸一定距离。在一些实施例中，缓冲区412可以从交叉路口区410的边缘以三米的距离向外延伸。
42.交叉路口布置400进一步包括自主交通工具414。自主交通工具414可以包括自主交通工具132（图1）的一个或多个特征。自主交通工具414可以检测与交叉路口402相关的一个或多个对象。例如，自主交通工具414可以检测交叉路口402的停止标志、交叉路口402的人行横道、交叉路口402的停止线、交叉路口402的车道指示器（诸如，针对交叉路口402的一个或多个车道的车道线和/或方向指示器）或其一些组合。基于由自主交通工具414检测到的对象，自主交通工具414可以定义感兴趣区406的位置，包括内部区408、交叉路口区410和缓冲区412。例如，自主交通工具414可以定义内部区408、交叉路口区410和缓冲区412相对于自主交通工具414的位置。在其他实施例中，内部区408、交叉路口区410和缓冲区412的位置可以基于先前捕获的关于交叉路口402的信息来定义，可以由用户来定义，或者可以由先前捕获的信息、用户、以及自主交通工具414所捕获的对象中的一个或多个的组合来确定。
43.交叉路口布置400可以进一步包括一个或多个其他交通工具。特别地，在所图示的实施例中，交叉路口布置400包括第一交通工具416、第二交通工具418和第三交通工具420。自主交通工具414可以检测其他交通工具的位置和/或其他交通工具的部分。例如，自主交通工具414可以确定沿着交通工具中的每一个的多个点的位置，并且确定交通工具中的每一个所占据的区域。基于交通工具中的每一个的所确定的区域，自主交通工具414可以确定
交通工具中的每一个的大小、交通工具中的每一个的类型、或其一些组合。自主交通工具414可以进一步存储交通工具中的每一个的位置的指示、以及发生位置捕获所处的时间。例如，自主交通工具414可以针对每个交通工具存储该交通工具的前边缘的位置的指示，该指示具有指示该位置被捕获所处的时间的相关时间戳。此外，自主交通工具414可以将交通工具的所存储的位置指示限制到感兴趣区406内的交通工具。例如，自主交通工具414可以存储具有相关联的时间戳的第一交通工具416和第二交通工具418的位置的指示，而由于第三交通工具420在感兴趣区406外部，所以在所图示的实施例中所示的时刻处，自主交通工具414可以省略第三交通工具420的位置以免于存储。
44.当其他交通工具沿着感兴趣区406内的路径行进时，自主交通工具414可以执行其他交通工具的位置的捕获。例如，自主交通工具414可以以设定的间隔（诸如，以10赫兹的速率）执行交通工具位置的捕获。当第一交通工具416沿着第一路径430行进时、当第二交通工具418沿着第二路径432行进时、以及当第三交通工具420沿着第三路径434行进时，自主交通工具414可以捕获所述交通工具的位置。在一些实施例中，自主交通工具414可以仅在自主交通工具414位于感兴趣区406内时执行交通工具位置的捕获。在一些情况下，自主交通工具414可以提供针对交通工具中的每一个的捕获，以用于生成路径图，诸如路径图300（图3）。例如，针对交通工具中的每一个的捕获可以与行进到交叉路口402的交通工具的其他捕获组合，以产生交叉路口402的路径图。
45.基于交通工具的所存储的位置和时间戳，自主交通工具414可以确定交通工具的位置和交叉路口402的停止线的位置、感兴趣区406的边缘、交叉路口区410的边缘、内部区408的边缘或其一些组合之间的关系。例如，自主交通工具414可以确定第一交通工具416的前端424与感兴趣区406的边缘之间的距离422、第一交通工具416的前端424与交叉路口区410的边缘之间的距离426（在所图示的实施例中，其中交叉路口区410的边缘位于用作交叉路口402的停止线的人行横道的外边缘处），第一交通工具416的前端424与内部区408的边缘之间的距离428、或其一些组合。为了简洁，描述了第一交通工具416的位置之间的关系，但是要理解的是，自主交通工具414可以确定感兴趣区406内的其他交通工具（诸如，第二交通工具418）与对应的区和/或线之间的关系。所确定的距离可以是有符号距离或无符号距离。例如，距离426可以是正的，以指示第一交通工具416的前端424在感兴趣区406的边缘与交叉路口区410的边缘之间，并且可以是负的，以指示第一交通工具416的前端424位于交叉路口区410的边缘与感兴趣区406的边缘的相对的侧上。在其他实施例中，距离可以是无符号的，并且可以基于两个或更多距离来确定第一交通工具416的前端424可以位于边缘和/或线的哪一侧上。例如，可以基于距离422和距离426来确定第一交通工具416的前端424在交叉路口区410的边缘的哪一侧上。
46.此外，自主交通工具414可以确定感兴趣区406内的其他交通工具的特性。特别地，自主交通工具414可以利用交通工具的位置的两个或更多所存储的捕获和对应的时间戳来确定感兴趣区内的其他交通工具的特性。所述特性可以包括交通工具中的每一个的速度、交通工具中的每一个的加速度、或其一些组合。例如，自主交通工具414可以基于自主交通工具414的位置的至少两个捕获和对应的时间戳来确定第一交通工具416在时间上的速度。特别地，自主交通工具414可以基于位置的至少两个捕获来确定第一交通工具416在某个时间段内行进的距离，并且基于在该时间段内行进的距离来确定交通工具的速度。此外，自主
交通工具414可以基于至少三个捕获来确定第一交通工具416的加速度。特别地，自主交通工具414可以基于至少三个捕获的第一部分来确定第一速度，并且基于至少三个捕获的第二部分来确定第二速度，第二部分在时间上在第一部分之后延伸，并且基于第一速度与第二速度之间的差来确定加速度的量。
47.自主交通工具414可以进一步确定感兴趣区406内的交通工具的通行权次序（right of way order）。特别地，通行权次序可以包括交通工具应当基于道路规则和/或交叉路口402的特性前进通过交叉路口402的次序的指示。对于在所有方向上具有停止指示器的所图示的交叉路口布置400，自主交通工具414可以基于交通工具到达交叉路口402的次序、交通工具进入感兴趣区406的次序、交通工具在对应的停止线处停止所处的次序、交通工具前方的车道中是否存在交通工具、或者其一些组合来确定通行权次序。例如，自主交通工具414可以基于第一个到达交叉路口402的第一交通工具416向第一交通工具416指派该次序中的第一位置，基于第二个到达交叉路口402的自主交通工具414向自己指派该次序中的第二位置，基于第三个到达交叉路口402的第二交通工具418向第二交通工具418指派该次序中的第三位置，并且当第三交通工具420到达交叉路口402时向第三交通工具420指派该次序中的第四位置。在其他实施例中，自主交通工具414可以仅包括在自主交通工具414之后到达交叉路口402的交通工具，或者仅包括在自主交通工具414的阈值时间内在自主交通工具之后到达交叉路口402的交通工具，其中阈值时间可以是一秒。例如，自主交通工具414可以向自己指派该次序中的第一位置，基于在自主交通工具414之后第二个到达交叉路口402的第二交通工具418向第二交通工具418指派该次序中的第二位置，并且当第三交通工具420到达交叉路口402时向第三交通工具420指派该次序中的第三位置，而第一交通工具416没有被包括在该次序中，这是由于第一交通工具416在自主交通工具414到达交叉路口402之前就到达交叉路口402。
48.当交通工具离开感兴趣区406时，该交通工具可以从通行权次序中被移除，并且该次序中较低的交通工具可以在该次序中被提升。例如，当被指派了通行权次序中的第一位置的交通工具离开感兴趣区406时，被指派了通行权次序中的第二位置的交通工具可以被提升到通行权次序中的第一位置。在其他实施例中，当交通工具到达阈值位置时，该交通工具可以从通行权次序中被移除，并且该次序中较低的交通工具可以在该次序中被提升。
49.自主交通工具414可以进一步根据交通工具中的每一个的位置的捕获和对应的时间戳来确定与通行权次序相关的特性。与通行权次序相关的特性可以包括交通工具中的每一个是否在其前方具有另一交通工具（其可以被称为“引导交通工具”）、交通工具中的每一个到达交叉路口402的时间与尚未到达阈值位置或离开感兴趣区406的交通工具之一到达交叉路口402的最早时间之间的差、针对交通工具中的每一个在该交通工具之前到达交叉路口的交通工具的数目、或其一些组合。为了确定交通工具是否具有引导交通工具，自主交通工具414可以基于所捕获的交通工具位置来确定是否存在位于内部区408与该交通工具之间的另一交通工具。
50.自主交通工具414可以向分析系统（诸如，分析系统704（图7））提供交通工具位置的捕获和对应的时间戳。在一些实施例中，自主交通工具414可以进一步向分析系统提供一个或多个所导出的特性。例如，自主交通工具414可以向分析系统提供距停止线的距离、距感兴趣区406的边缘的距离、距交叉路口区410的边缘的距离、距内部区408的边缘的距离、
通行权次序、引导交通工具的存在的指示、和/或交通工具到达交叉路口402的时间与尚未到达阈值位置或离开感兴趣区406的交通工具之一到达交叉路口402的最早时间相比的差。在一些实施例中，自主交通工具414可以不向分析系统提供所导出的特性，并且分析系统可以从交通工具位置的捕获和提供给分析系统的对应时间戳中导出特性。
51.图5图示了根据本文中描述的实施例的交叉路口布置500的另一示例。交叉路口布置500可以包括交叉路口布置400（图4）的一个或多个特征。特别地，交叉路口布置500可以包括对应于交叉路口504的感兴趣区502，其中感兴趣区502包括感兴趣区406（图4）的一个或多个特征。
52.交叉路口布置500可以包括自主交通工具506。自主交通工具506可以执行由自主交通工具414（图4）执行的一个或多个操作。交叉路口布置500可以进一步包括第一交通工具508和第二交通工具510。在所图示的实施例中，自主交通工具506可以捕获第一交通工具508和第二交通工具510的位置，并且在所图示的实施例中可以确定第二交通工具510是第一交通工具508的引导交通工具。特别地，自主交通工具506可以确定第二交通工具510还没有到达任何对应的阈值位置（诸如，关于图3描述的第一阈值位置、第二阈值位置和第三阈值位置）。此外，自主交通工具506可以确定第二交通工具510的后端512在第一交通工具508的前端514的一定距离之内。在一些实施例中，用于确定第二交通工具510是第一交通工具508的引导交通工具的距离可以是三米。特别地，在所图示的实施例中，基于第二交通工具510没有到达任何对应的阈值位置并且第二交通工具510的后端512在第一交通工具508的前端514的三米之内，自主交通工具506可以确定第二交通工具510是第一交通工具508的引导交通工具。在其他实施例中，自主交通工具506可以向分析系统（诸如，分析系统704（图7））提供交通工具位置的捕获，并且分析系统可以基于接收到的交通工具位置的捕获来确定第二交通工具510是第一交通工具508的引导设备。
53.图6图示了根据本文中描述的实施例的另一示例交叉路口布置600。交叉路口布置600可以包括交叉路口布置400（图4）和/或交叉路口布置500（图5）的一个或多个特征。交叉路口布置600可以包括交叉路口602，其中自主交通工具604接近交叉路口602。交叉路口布置600可以进一步包括第一交通工具606和第二交通工具608。
54.基于第一交通工具606和第二交通工具608到达交叉路口402、进入感兴趣区610、停在对应的停止线处、或其一些组合的次序，自主交通工具604可能已经确定第二交通工具608相比于第一交通工具606具有行进通过交叉路口602的优先权、或者基于由自主交通工具604执行的捕获所导出的信息可以指示第二交通工具608相比于第一交通工具606具有行进通过交叉路口602的优先权。特别地，第二交通工具608可能已经被指派了针对交叉路口602的通行权次序中的第一位置，并且第一交通工具606可能已经被指派了针对交叉路口602的通行权次序中的第二位置。然而，由自主交通工具604捕获的交通工具移动的捕获指示第一交通工具606在第二交通工具608行进通过交叉路口602之前到达阈值位置612。特别地，交通工具位置的至少一个捕获指示第一交通工具606位于阈值位置612，而第二交通工具608仍然被定位成朝向第二交通工具608的进入路径614。当交通工具在被指派了通行权次序内的第一位置之前到达阈值位置时，该交通工具可以被称为断言交通工具。在被指派了通行权次序内的第一位置之后到达阈值位置的交通工具可以被称为非断言交通工具。在一些实施例中，自主交通工具604可以基于第一交通工具在第一交通工具606被指派了通行
权次序中的第一位置之前到达阈值位置612来标识第一交通工具606是断言交通工具。在其他实施例中，交通工具位置的捕获可以被提供给分析系统（诸如，分析系统704（图7）），其中第一交通工具606可以被标识为断言交通工具。
55.响应于被标识为断言交通工具，可以分析该交通工具在感兴趣区610内的移动的过去捕获。例如，可以从指示第一交通工具606到达阈值位置612的捕获来逐步通过（step through）过去捕获，以标识指示第一交通工具606在阈值速度以下行使、距交叉路口602大于阈值距离的过去捕获、或其一些组合。在所图示的实施例中，当第一交通工具在阈值速度以下行进或距交叉路口602大于阈值距离时，可以确定第一交通工具606处于第二位置616中。指示第一交通工具606到达阈值位置612的捕获与指示第一交通工具606在阈值速度以下行进、距交叉路口602大于阈值距离的捕获或其一些组合之间的捕获可以被称为断言捕获。断言捕获可以被分析以确定可以用于预测接近交叉路口的交通工具是否将是断言交通工具（即，在对应于其在通行权次序中的位置的时间之前到达阈值位置）的特性。例如，针对断言捕获中的每一个的所导出的特性（包括距交叉路口区的停止线/边缘的距离、距内部区的边缘的距离、交通工具的速度、交通工具的加速度、交通工具是否具有引导交通工具、交通工具到达交叉路口的时间与尚未到达阈值位置或离开感兴趣区的交通工具之一到达交叉路口的最早时间之间的差、交通工具的通行权次序或其一些组合）可以被分析，以标识可以用于预测接近交叉路口的交通工具是否将是断言交通工具的特性。
56.图7图示了根据本文中描述的实施例的示例模型生成布置700。模型生成布置700图示了可以生成用于通过自主交通工具来标识断言交通工具的模型的部件。特别地，所生成的模型可以由自主交通工具来实现，以用于预测接近具有停止指示器的交叉路口的交通工具是否将是断言交通工具。
57.模型生成布置700可以包括一个或多个自主交通工具702。自主交通工具702可以包括自主交通工具132（图1）、自主交通工具414（图4）、自主交通工具506（图5）和/或自主交通工具604（图6）的一个或多个特征。此外，自主交通工具702可以执行遍及本公开描述的自主交通工具的一个或多个操作。例如，当其他交通工具在对应于交叉路口的感兴趣区内行进时，自主交通工具702可以捕获交叉路口处的其他交通工具的位置。在一些实施例中，自主交通工具702可以进一步向分析系统导出与其他交通工具相关的特性，诸如距对应的停止线的距离、距感兴趣区的对应边缘的距离、距交叉路口区的对应边缘的距离、距内部区的对应边缘的距离、通行权次序、引导交通工具的存在的指示、该交通工具到达交叉路口的时间与尚未到达阈值位置或离开感兴趣区的其他交通工具之一已经到达交叉路口的最早时间相比的差、或其一些组合。此外，在一些实施例中，自主交通工具702可以标识断言交通工具和非断言交通工具，其中在一些实施例中，自主交通工具702还可以标识和/或分析断言捕获。
58.模型生成布置700可以进一步包括分析系统704。分析系统704可以耦合到自主交通工具702。例如，分析系统704可以经由无线连接710无线地耦合到自主交通工具702，并且可以与自主交通工具702通信。分析系统704可以从自主交通工具702接收交通工具位置的捕获，并且可以将捕获作为数据存储在存储器设备706中。在一些实施例中，分析系统704可以进一步接收与其他交通工具相关的所导出的特性，可以接收断言交通工具和非断言交通工具的标识、断言捕获的标识、分析断言捕获的结果或其一些组合，并且将这些作为数据存
储在存储器设备706内。存储器设备706可以包括计算机可读介质。此外，存储器设备706可以进一步是非暂时性的。存储器设备706可以进一步具有存储在其上的一个或多个指令，当被执行时，所述指令使得分析系统704执行本文中描述的一个或多个操作。
59.虽然存储器设备706被图示和描述为分析系统704的一部分，但是应当理解的是，在其他实施例中，存储器设备706可以位于分析系统704的外部并且耦合到分析系统704。例如，在一些实施例中，存储器设备706可以位于服务器中，其中分析系统704可以从服务器中检索数据并且将数据存储在服务器上。
60.分析系统704可以进一步包括处理设备708（诸如，处理器）。处理设备708可以基于从自主交通工具702接收到的数据来生成用于在由自主交通工具实现时标识断言交通工具的模型。例如，处理设备708可以从存储器设备706中检索数据，并且分析该数据以产生模型，该模型可以由自主交通工具使用以在自主交通工具的操作期间标识所预测的断言交通工具和所预测的非断言交通工具。
61.处理设备708可以标识从自主交通工具702接收到的与在至少两个方向上具有停止指示器的某个交叉路口相关的数据。例如，处理设备708可以基于交通工具在被捕获时所位于的位置和/或具有某个交叉路口的路线图来标识与某个交叉路口相关的数据。处理设备708可以检索与某个交叉路口相关的数据，其中该数据可以包括与行进通过某个交叉路口和/或被多个自主交通工具702捕获的多个交通工具相关的数据。检索到的数据可以包括表示交通工具在对应于交叉路口的感兴趣区内的移动的数据。
62.如果该数据在从自主交通工具702被接收到时不包括所导出的特性或其某个部分，则处理设备708可以分析由该数据表示的捕获以产生该数据的所导出的特性。例如，针对由该数据表示的交通工具中的每一个，处理设备708可以向分析系统产生距对应停止线的距离、距感兴趣区的对应边缘的距离、距交叉路口区的对应边缘的距离、距内部区的对应边缘的距离、通行权次序、引导交通工具的存在的指示、该交通工具到达交叉路口的时间与尚未到达阈值位置或离开感兴趣区的其他交通工具之一到达交叉路口的最早时间相比的差、或其一些组合。处理设备708可以将所导出的特性作为该数据的一部分存储在存储器设备706中。如果该数据在从自主交通工具702被接收到时包括所导出的特性或其某个部分，则处理设备708可以利用从自主交通工具702接收到的所导出的特性。
63.在一些实施例中，处理设备708可以过滤检索到的数据以移除与不相关的交通工具相关联的数据的一部分。特别地，处理设备708可以过滤掉与在捕获了交通工具位置的自主交通工具之前到达交叉路口的交通工具或者在自主交通工具到达的阈值时间内到达交叉路口的交通工具相关的数据。此外，处理设备708可以过滤与如下交通工具相关的数据：在该交通工具中，针对交通工具的大于阈值的捕获数目从该数据中缺失，其中捕获数目的阈值可以对应于阈值时间，诸如三秒。处理设备708还可以在发生感知错误的情况下过滤数据，诸如在与数据相关的交通工具的大小不能够被正确地确定的情况下或者在与数据相关的交通工具的所确定的大小在交通工具的捕获当中变化的情况下过滤数据。在其中执行过滤的实施例中，经过滤的数据可以被用于数据的进一步处理。在其他实施例中，未过滤的数据可以用于进一步处理。
64.处理设备708可以基于检索到的数据和/或所导出的数据来确定对应于该检索到的数据的哪些交通工具是断言交通工具、以及对应于该检索到的数据的哪些交通工具是非
断言交通工具。在其中从自主交通工具702接收到的数据指示哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具的实施例中，处理设备708可以利用该指示来确定哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具。在其他实施例中，该数据可以被呈现给用户（诸如，作为图呈现给用户），并且用户可以指示哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具。处理设备708可以利用由用户提供的指示来确定哪些交通工具是断言交通工具以及哪些交通工具是非断言交通工具。在其他实施例中，处理设备708可以确定针对交通工具中的每一个的通行权次序值，其中通行权次序值指示该交通工具在该通行权次序中的位置。处理设备708可以进一步确定交通工具中的每一个何时穿过对应的阈值位置。处理设备708可以基于距对应于交叉路口的内部区的距离来确定交通工具何时穿过对应的阈值位置。处理设备708可以确定交通工具中的每一个何时穿过对应的阈值位置是否对应于与该交通工具相关的通行权次序。特别地，处理设备708可以确定交通工具是否在对应于该交通工具的通行权值的时间之前的时间处穿过对应的阈值位置。例如，如果在该交通工具穿过对应的阈值位置的时间处该交通工具没有被指派通行权次序中的第一位置，则处理设备708可以确定该交通工具在对应于该交通工具的通行权值的时间之前穿过对应的阈值位置。处理设备708可以将在该时间之前穿过的交通工具标识为断言交通工具，并且将在该时间处或该时间之后穿过的交通工具标识为非断言交通工具。
65.处理设备708可以标识与所标识的断言交通工具相关联的数据的第一部分和与所标识的非断言交通工具相关联的数据的第二部分。特别地，处理设备708可以针对所标识的断言交通工具中的每一个将与交通工具位置的捕获相关的数据标识为该数据的第一部分。此外，处理设备708可以针对所标识的非断言交通工具中的每一个将与交通工具位置的捕获相关的数据标识为该数据的第二部分。
66.处理设备708可以基于与断言交通工具相关的数据的第一部分和与非断言交通工具相关的数据的第二部分来生成用于标识断言交通工具的一个或多个模型。该一个或多个模型可以包括逻辑回归模型、支持向量机模型、决策树模型、随机森林模型、前馈神经网络模型或其组合。在一些实施例中，模型可以利用当前位置、距停止线的距离、距交叉路口的边缘的距离、距内部区的边缘的距离、速度、加速度、对应的引导交通工具的指示、通行权次序的指示、或其一些组合来预测交通工具是否将是断言交通工具。模型中的每一个可以产生在标识所标识的断言交通工具和所标识的非断言交通工具方面与处理设备708一致的结果。
67.在其中由处理设备708生成多个模型的实施例中，处理设备708可以测试模型中的每一个，针对模型中的每一个指派性能得分，并且基于性能得分来选择要在自主交通工具中实现的模型之一以标识被预测为断言交通工具的交通工具。例如，处理设备708可以测试模型中的每一个，并且基于该测试来产生准确率-召回率度量，其中准确率-召回率度量可以包括性能得分。图8图示了根据本文中描述的实施例的可以基于对所生成的模型的测试而产生的示例准确率-召回率度量。该测试可以包括分析第二感兴趣区内的交通工具移动的多个场景，该第二感兴趣区对应于在至少两个方向上具有停止指示器的第二交叉路口。在一些实施例中，第二感兴趣区和第二交叉路口可以是用于生成模型的相同感兴趣区和相同交叉路口。该测试可以基于在该多个场景中是否正确地标识了断言交通工具和非断言交
通工具来生成和指派准确率得分。可以基于准确率-召回率度量来选择模型中的一个以在自主交通工具中实现。在一些实施例中，可以选择具有最高准确率得分和召回率得分的模型。在一些实施例中，可以对准确率得分和召回率得分进行加权，可以基于加权的准确率得分和加权的召回率得分来生成组合得分，并且可以选择产生了最高组合得分的模型以在自动化交通工具中实现。在其他实施例中，性能得分可以呈现给用户，并且用户可以选择要在自主交通工具中实现的模型。
68.在一些实施例中，可以利用模型中的一个或多个来执行真阳性/假阳性分析。真阳性/假阳性分析可以包括基于模型中的每一个将预测与观察到的交通工具行为进行比较。特别地，针对在交叉路口处的某个交通工具，将该模型所产生的对断言交通工具的预测与该某个交通工具的实际观察到的行为进行比较。可以针对多个情形执行比较，其中可以基于所述情形之间的相似性将所述情形分组到多个不同的组中。可以基于真阳性/假阳性分析来产生不匹配得分，其中不匹配得分指示断言交通工具的预测与观察到的行为不匹配的次数。在一些实施例中，可以标识具有最高不匹配得分的一个或多个组，并且将其呈现给用户以进行分析。此外，具有最高不匹配得分的一个或多个组中的情形可以被增强（boost）（诸如，通过对组内的情形进行上采样）并且被用来重新训练一个或多个模型以改进模型的性能。
69.分析系统704可以进一步提供用于在自主交通工具702中实现的模型或所选的模型。特别地，分析系统704可以经由无线连接710向自主交通工具702中的每一个提供要实现的模型。自主交通工具702可以实现用于标识断言交通工具的所提供的模型。
70.图9图示了根据本文中描述的实施例的可以由分析系统执行的示例程序900。例如，程序900可以由分析系统704（图7）执行。
71.在阶段902中，分析系统可以从存储器设备中检索表示感兴趣区内的交通工具移动的数据。感兴趣区可以对应于在至少两个方向上具有停止指示器的交叉路口。检索到的数据可以包括由一个或多个自主交通工具捕获的通过交叉路口的交通工具移动的捕获和对应的时间戳。此外，在一些实施例中，该数据可以包括基于捕获的一个或多个所导出的特性、和/或与该数据相关的交通工具被标识为断言交通工具还是非断言交通工具的指示。
72.在阶段904中，在一些实施例中，分析系统可以基于捕获和对应的时间戳来产生一个或多个所导出的特性。特别地，如果检索到的数据不包括所导出的特性或包括所导出的特性的一部分，则分析系统可以产生没有被包括在检索到的数据中的所导出的特性。产生的所导出的特性可以作为该数据的一部分而保存。在一些实施例中，可以省略阶段904。
73.在阶段906中，在一些实施例中，分析系统可以过滤与不相关的交通工具相关的数据的一部分。特别地，分析系统可以过滤与在生成了交叉路口处的捕获的自主交通工具的到达阈值时间之前或之内到达的交通工具相关的数据。此外，在一些实施例中，可以过滤与其中阈值量的捕获缺失和/或存在感知错误（诸如，交通工具的大小未被正确地标识和/或交通工具的大小在捕获之间变化）的交通工具相关的数据。在一些实施例中，可以省略阶段906。
74.在阶段908中，分析系统可以从该数据来标识断言交通工具和非断言交通工具。特别地，该分析可以分析交通工具中的每一个的捕获和/或所导出的特性，以确定该交通工具是断言交通工具还是非断言交通工具。分析系统可以基于该数据中从自主交通工具接收到
的指示、从用户接收到的指示、交通工具中的每一个穿过对应的阈值位置的时间、以及与该交通工具相关的通行权次序、或其一些组合来标识断言交通工具和非断言交通工具。
75.在阶段910中，分析系统可以标识与所标识的断言交通工具相关联的数据的第一部分。特别地，分析系统可以将对应于与所标识的断言交通工具相关联的捕获的数据的一部分标识为该数据的第一部分。
76.在阶段912中，分析系统可以标识与所标识的非断言交通工具相关联的数据的第二部分。特别地，分析系统可以将对应于与所标识的非断言交通工具相关联的捕获的数据的一部分标识为该数据的第二部分。
77.在阶段914中，分析系统可以生成用于通过自主交通工具来标识断言交通工具的一个或多个模型。所述模型可以产生在标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具方面与分析系统一致的结果。例如，当在所述模型中利用与交通工具相关的数据时，所述模型可以产生对断言交通工具和非断言交通工具的相同标识、或者在标识方面以低于一定量的错误产生相同标识。
78.在阶段916中，在一些实施例中，分析系统可以将性能得分指派给模型中的每一个。例如，分析系统可以执行对模型中的每一个的测试，并且产生针对模型中的每一个的准确率-召回率度量，其中准确率-召回率度量可以包括该模型的性能得分。在一些实施例中，可以省略阶段916，诸如当分析系统在阶段914中生成单个模型时。
79.在阶段918中，分析系统可以选择用于在自主交通工具中实现的模型中的一个。可以基于在阶段916中生成的性能得分来选择该模型。在一些实施例中，可以省略阶段918。
80.在阶段920中，分析系统可以在一个或多个自主交通工具中实现该模型。特别地，分析系统可以向自主交通工具提供该模型，并且自主交通工具可以利用该模型来预测在具有停止指示器的交叉路口处的交通工具是否将是断言交通工具。
81.虽然针对程序900描述了特定次序，但是要理解的是，在其他实施例中次序可能不同。此外，在一些实施例中，程序900的一个或多个阶段可以同时执行。在一些实施例中，可以在程序900的情况下执行附加的阶段，和/或可以省略程序900的一个或多个阶段。
82.图10图示了根据本文中描述的实施例的示例自主交通工具1000。自主交通工具1000是如遍及本公开所描述的自主交通工具的示例。自主交通工具1000可以如遍及本公开所描述的那样捕获感兴趣区内的交通工具的位置，并且将捕获提供给服务器和/或分析系统（诸如，分析系统704（图7））。此外，本文中生成的模型可以在自主交通工具1000中实现，以用于标识断言交通工具。
83.自主交通工具1000可以包括汽车1004。自主交通工具1000可以包括安装到汽车1004的一个或多个传感器1002。传感器1002可以安装到汽车1004上的不同位置。例如，传感器1002可以安装到汽车1004的车顶、汽车1004的侧镜、汽车1004的前部、汽车1004的后部、汽车1004的侧面或其一些组合。
84.传感器1002可以包括一个或多个相机、一个或多个光检测和测距（lidar）传感器、一个或多个雷达传感器或其一些组合。在一些实施例中，雷达传感器可以包括铰接雷达传感器、远程雷达传感器、短程雷达传感器或其一些组合。传感器1002可以检测自主交通工具1000的周围环境。例如，传感器1002可以检测自主交通工具1000周围的一个或多个对象，诸如其他汽车、行人、树木、自行车、自主交通工具1000正在其上行进的道路内的对象（诸如，
可能阻碍交通工具移动的建筑和/或其他对象）、和/或自主交通工具1000周围的指示（诸如，建筑标志、停止指示器和其他街道标志）。
85.自主交通工具1000可以进一步包括耦合到传感器1002的计算机。计算机可以接收由传感器1002捕获的数据，并且将该数据用于自主交通工具1000的定位、感知、预测、路线规划、机动规划、运动规划、路径遵循和低级别控制。此外，计算机可以通信地耦合到服务器和/或分析系统（诸如，分析系统704（图7）），并且可以与服务器和/或分析系统交换通信。计算机可以进一步耦合到自主交通工具1000的一个或多个系统，并且可以控制自主交通工具1000的节气门、制动、转向和/或指示器的操作。
86.图11图示了根据本文中描述的实施例的可以在自主交通工具内实现的示例部件1100。特别地，部件1100可以在遍及本文所描述的自主交通工具（诸如，自主交通工具1000（图10））中实现。
87.部件1100可以包括计算机1102。计算机1102可以包括关于图10描述的计算机的一个或多个特征。计算机1102可以协调自主交通工具的一个或多个操作，并且可以分析由自主交通工具捕获的数据。
88.部件1100可以进一步包括一个或多个传感器1104。传感器1104可以包括传感器1002的一个或多个特征。传感器1104可以耦合到计算机1102，并且可以向计算机1102提供由传感器1104捕获的数据。
89.部件1100可以进一步包括一个或多个存储器设备1106。存储器设备1106可以耦合到计算机1102。在一些实施例中，存储器设备1106也可以耦合到传感器1104。存储器设备1106可以包括计算机可读介质。在一些实施例中，计算机可读介质可以是非暂时性计算机可读介质。存储器设备1106可以存储一个或多个指令，当由计算机1102执行时，所述指令使得计算机1102执行遍及本公开所描述的一个或多个操作，所述操作由在自主交通工具中实现的计算机来执行。此外，存储器设备1106可以被用于存储自主交通工具的数据。例如，计算机1102可以将从传感器1104接收到的数据提供给存储器设备1106，以用于存储在存储器设备1106上。此外，存储器设备1106可以存储与自主交通工具的路线规划相关联的路线、与自主交通工具的机动规划相关联的机动、或其一些组合。
90.部件1100可以进一步包括一个或多个交通工具系统1108。交通工具系统1108可以耦合到计算机1102，并且计算机1102可以控制交通工具系统1108的操作。交通工具系统1108可以包括自主交通工具的运动系统、自主交通工具的指示器系统或其一些组合。运动系统可以包括自主交通工具的节气门系统、制动系统、转向系统或其一些组合。
91.部件1100可以进一步包括通信系统1110。通信系统1110可以耦合到计算机1102。通信系统1110可以包括无线通信系统，并且可以允许计算机1102与其他设备无线通信，该其他设备诸如服务器和/或分析系统（例如分析系统704（图7））。通信系统1110可以实现一个或多个无线通信标准，诸如蜂窝通信标准、雷达通信标准、卫星通信标准、全球定位系统通信标准、wi-fi通信标准和/或蓝牙通信标准。
92.选择示例下面提供了根据本公开中提供的主题的实施例的一些示例。应当理解的是，示例仅仅是一些示例，并且根据本主题的实施例不限于所提供的示例。
93.示例1可以包括一种用于生成用于通过自主交通工具来标识断言交通工具的模型
的方法，包括：检索表示感兴趣区内的交通工具移动的数据，其中所述感兴趣区对应于在至少两个方向上具有停止指示器的交叉路口；标识与一个或多个所标识的断言交通工具相关联的数据的第一部分和与一个或多个所标识的非断言交通工具相关联的数据的第二部分；以及基于所述数据的第一部分和所述数据的第二部分来生成用于标识断言交通工具的所述模型，其中所述模型产生在从所述数据来标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具方面一致的结果。
94.示例2可以包括示例1的方法，其中所述数据包括针对交通工具中的每一个的距对应的停止线的距离、距对应于交叉路口的内部区的距离、速度、加速度、对应的引导交通工具的指示、对应的通行权次序的指示、或来自具有通行权的对应交通工具的到达时间中的差。
95.示例3可以包括示例1的方法，进一步包括：基于针对交通工具中的每一个的距对应于交叉路口的内部区的距离和对应于交通工具的通行权次序来标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具。
96.示例4可以包括示例3的方法，进一步包括：基于所述数据来标识在捕获了所述数据的对应自主交通工具的阈值时间之前或之内进入所述感兴趣区的交通工具的一部分，以及过滤表示交通工具的移动的数据以移除与交通工具的所述部分相关联的数据的一部分，其中经过滤的数据被用于标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具。
97.示例5可以包括示例3的方法，其中标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具包括：确定交通工具中的每一个的通行权值；确定交通工具中的每一个何时穿过对应的阈值位置；基于在对应于一个或多个所标识的断言交通工具中的每一个的通行权值的时间之前穿过对应的阈值位置的一个或多个所标识的断言交通工具来从交通工具中标识一个或多个所标识的断言交通工具；以及基于在对应于一个或多个所标识的非断言交通工具中的每一个的通行权值的时间处穿过对应的阈值位置的一个或多个所标识的非断言交通工具来从交通工具中标识一个或多个所标识的非断言交通工具。
98.示例6可以包括示例5的方法，其中交通工具中的每一个的阈值位置包括其中交通工具中的交通工具的路径与交通工具中的另一交通工具的路径交叉的位置。
99.示例7可以包括示例1的方法，其中用于标识断言交通工具的所述模型是第一模型，其中所述感兴趣区是第一感兴趣区，其中所述交叉路口是第一交叉路口，并且其中所述方法进一步包括：基于所述数据的第一部分和所述数据的第二部分来生成用于标识断言交通工具的多个模型，其中所述多个模型产生在从所述数据来标识一个或多个所标识的断言交通工具和一个或多个所标识的非断言交通工具方面一致的结果，并且其中所述多个模型包括第一模型；使用所述多个模型中的每一个来分析第二感兴趣区内的交通工具移动的多个场景，其中第二感兴趣区包括在至少两个方向上具有停止指示器的第二交叉路口，并且其中所述多个模型中的每一个尝试标识所述多个场景内的断言交通工具和非断言交通工具；基于所述多个模型中的每一个是否正确地标识所述多个场景内的断言交通工具和非断言交通工具来向所述多个模型中的每一个指派性能得分；以及基于对应于第一模型的性能得分指示第一模型胜过所述多个模型中的其他模型来从所述多个模型中选择第一模型，以
用于在所述自主交通工具中实现。
100.示例8可以包括示例7的方法，进一步包括：使得用于标识断言交通工具的第一模型由所述自主交通工具来实现。
101.示例9可以包括示例1的方法，其中所述感兴趣区包括交叉路口区和缓冲区，其中交叉路口区在所述交叉路口的停止位置当中延伸并且覆盖所述交叉路口，并且其中缓冲区从交叉路口区向外延伸一定距离。
102.示例10可以包括其上具有存储的指令的一个或多个计算机可读介质，其中所述指令响应于由设备的执行而使得所述设备：检索表示感兴趣区内的交通工具移动的数据，其中所述感兴趣区对应于在至少两个方向上具有停止指示器的交叉路口；基于所述数据来确定交通工具中的每一个何时穿过对应的阈值位置；基于所述数据来确定交通工具的通行权次序；确定交通工具中的每一个何时穿过对应的阈值位置是否对应于交通工具的通行权次序；以及将交通工具中的每一个标记为断言交通工具或非断言交通工具，其中断言交通工具不对应于通行权次序，并且非断言交通工具对应于通行权次序。
103.示例11可以包括示例10的一个或多个计算机可读介质，其中将交通工具中的每一个标记为断言交通工具或非断言交通工具包括：针对被标记为断言交通工具的交通工具中的每一个，确定当交通工具中的每一个具有低于阈值速度的交通工具速度、或者距所述感兴趣区的交叉路口区的距离大于阈值距离时的第一时间，其中第一时间在当交通工具中的每一个被确定为已经穿过对应的阈值位置时的第二时间之前；以及将从第一时间到第二时间的时间间隔标记为针对交通工具中的每一个的断言时间间隔。
104.示例12可以包括示例10的一个或多个计算机可读介质，其中所述指令进一步使得所述设备：标识与不相关的交通工具相关联的数据的一部分，并且从所述数据中过滤所述数据的所述部分以产生经过滤的数据，其中交通工具中的每一个何时穿过对应的阈值位置以及交通工具的通行权次序是基于经过滤的数据来确定的。
105.示例13可以包括示例12的一个或多个计算机可读介质，其中不相关的交通工具包括在阈值时间之前到达的交通工具的一部分和针对阈值持续时间没有确定大小的交通工具的一部分。
106.示例14可以包括示例10的一个或多个计算机可读介质，其中所述指令进一步使得所述设备：基于所述数据来生成用于标识断言交通工具的模型，所述模型将由自主交通工具来实现，其中所述模型产生与将交通工具中的每一个标记为断言交通工具或非断言交通工具一致的结果。
107.示例15可以包括示例14的一个或多个计算机可读介质，其中所述模型是第一模型，其中所述感兴趣区是第一感兴趣区，其中所述交叉路口包括第一交叉路口，并且其中所述指令进一步使得所述设备：基于所述数据来生成用于标识断言交通工具的多个模型，其中所述多个模型包括第一模型，并且其中所述多个模型中的每一个模型产生与将交通工具中的每一个标记为断言交通工具或非断言交通工具一致的结果；使用所述多个模型中的每一个来分析第二感兴趣区内的交通工具移动的多个场景，其中所述多个模型中的每一个尝试标识所述多个场景内的断言交通工具和非断言交通工具；基于所述多个模型中的每一个是否正确地标识所述多个场景内的断言交通工具和非断言交通工具来向所述多个模型中的每一个指派性能得分；以及基于对应于第一模型的性能得分指示第一模型胜过所述多个
模型中的其他模型来选择第一模型以用于在所述自主交通工具中实现。
108.示例16可以包括示例15的一个或多个计算机可读介质，其中所述多个模型包括从逻辑回归模型、支持向量机模型、决策树模型、随机森林模型和前馈神经网络模型中选择的至少两个模型。
109.示例17可以包括示例10的一个或多个计算机可读介质，其中所述数据包括对应于交通工具中的每一个的路径的指示。
110.示例18可以包括一种用于生成用于通过自主交通工具来标识断言交通工具的模型的系统，所述系统包括：存储器设备，用于存储表示感兴趣区内的交通工具移动的数据，其中所述感兴趣区对应于在至少两个方向上具有停止指示器的交叉路口；处理设备，耦合到所述存储器设备，所述处理设备用于：基于所述数据来标识交通工具中的一个或多个断言交通工具；基于所述数据来标识交通工具中的一个或多个非断言交通工具；以及基于与一个或多个断言交通工具相关联的数据的第一部分和与一个或多个非断言交通工具相关联的数据的第二部分来生成用于标识断言交通工具的模型，其中所述模型产生在从所述数据来标识一个或多个断言交通工具和一个或多个非断言交通工具方面一致的结果。
111.示例19可以包括示例18的系统，其中所述模型是第一模型，其中所述感兴趣区是第一感兴趣区，其中所述交叉路口是第一交叉路口，并且其中所述处理设备进一步用于：基于所述数据的第一部分和所述数据的第二部分来生成用于标识断言交通工具的多个模型，其中所述多个模型包括第一模型，并且其中所述多个模型中的每一个产生在从所述数据来标识一个或多个断言交通工具和一个或多个非断言交通工具方面一致的结果；使用所述多个模型中的每一个来分析第二感兴趣区内的交通工具移动的多个场景，其中第二感兴趣区包括在至少两个方向上具有停止指示器的第二交叉路口，并且其中所述多个模型中的每一个尝试标识所述多个场景内的断言交通工具和非断言交通工具；基于所述多个模型中的每一个是否正确地标识所述多个场景内的断言交通工具和非断言交通工具来向所述多个模型中的每一个指派性能得分；以及基于对应于第一模型的性能得分指示第一模型胜过所述多个模型中的其他模型来从所述多个模型中选择第一模型，以用于在所述自主交通工具中实现。
112.示例20可以包括示例18的系统，其中标识一个或多个断言交通工具包括：确定对应于交通工具中的每一个的通行权值；确定交通工具中的每一个何时穿过对应的阈值位置；以及针对交通工具中的每一个来确定主题交通工具穿过对应的阈值位置时的时间不对应于与所述主题交通工具相对应的通行权。
113.其他实现方式注释、变型和应用要理解的是，根据本文中描述的任何特定实施例，不一定可以实现所有的目的或优点。因此，例如，本领域技术人员将认识到，某些实施例可以被配置成以实现或优化如本文中教导的一个优点或一组优点的方式来操作，而不必实现如本文中可能教导或建议的其他目的或优点。
114.在一些实施例中，遍及本公开所描述的一个或多个部件可以被实现为一个或多个电路。电路可以在相关联的电子设备的板上实现。该板可以是通用电路板，该通用电路板可以保持电子设备的内部电子系统的各种部件，并且进一步提供用于其他外围设备的连接器。更具体地，该板可以提供电气连接，该系统的其他部件可以通过所述电气连接进行电气
通信。基于特定的配置需要、处理需求、计算机设计等，任何合适的处理器（包括数字信号处理器、微处理器、支持芯片组等）、计算机可读非暂时性存储器元件等可以合适地耦合到该板。其他部件（诸如，外部存储装置、附加传感器、用于音频/视频显示的控制器、以及外围设备）可以作为插件卡经由线缆附接到该板，或者集成到该板本身中。在各种实施例中，本文中描述的功能可以以仿真形式实现为在支持这些功能的结构中布置的一个或多个可配置（例如，可编程）元件内运行的软件或固件。提供该仿真的软件或固件可以被提供在包括允许处理器执行那些功能的指令的非暂时性计算机可读存储介质上。
115.在一些实施例中，电路可以被实现为独立模块（例如，具有被配置成执行特定应用或功能的相关联部件和电路的设备），或者被实现为进入电子设备的特定应用硬件中的插件模块。要注意的是，本公开的特定实施例可以部分地或全部地被容易地包括在片上系统（soc）封装中。soc表示将计算机或其他电子系统的部件集成到单个芯片中的集成电路（ic）。它可以包含数字、模拟、混合信号，并且经常包含射频功能：其全部可以被提供在单个芯片衬底上。其他实施例可以包括多芯片模块（mcm），其中多个分离的ic位于单个电子封装内，并且被配置成通过电子封装彼此紧密地交互。在各种其他实施例中，数字滤波器可以在专用集成电路（asic）、现场可编程门阵列（fpga）和其他半导体芯片中的一个或多个硅核中实现。
116.要注意的是，在本文中提供的众多示例的情况下，可以关于两个、三个、四个或更多电子部件来描述交互。然而，这样做只是出于清楚和示例的目的。应当领会的是，该系统可以以任何合适的方式被整合。在各种实施例中，任何所公开的部件、模块和元件可以以各种可能的配置被组合，其全部在本公开的范围内。
117.要注意的是，在本说明书中，对被包括在“一个实施例”、“示例实施例”、“实施例”、“另一实施例”、“一些实施例”、“各种实施例”、“其他实施例”、“替代实施例”等中的各种特征（例如，元件、结构、模块、部件、步骤、操作、特性等）的引用意图意指任何此类特征被包括在本公开的一个或多个实施例中，但是可能或者可能不一定被组合在相同的实施例中。
118.本领域技术人员可以确定许多改变、替代、变型、变更和修改，并且要理解的是，本公开涵盖了本领域技术人员可以确定的所有此类改变、替代、变型、变更和修改。此外，要理解的是，可以基于本公开授予的任何保护不受本描述所限制。更确切地说，当鉴于本描述来阅读时，并且如本领域技术人员将理解的那样，该保护将由所附权利要求来限定。
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。