某一数量成员资格(membership)的类别。这实际上是一种映射，该映射将数值单一值转换为含有该类别的值以及成员资格的百分比的元组。所有百分比值的组合应等于100%。这意味着，雾传感器的主观感受将完全由所有成员资格类别之和定义。因而在本发明中，各类别应交叠，并且将含有单个元素以及多个元素的组合这两种情形。
[0034]通过示例方式，假设定义了 2个语言类别{ “无雾”，“一些雾”}。成员资格类别于是将含有单一元素{ “无雾”}和{ “一些雾”}，以及组合元素{ “无雾”+ “一些雾”}。在映射步骤期间使用的最终类别集合将为3个不同选项创造条件，这些选项为:{“无雾”，“无雾” + “一些雾”，“一些雾” }。
[0035]在步骤1的最后，每个个体照明器将具有其自己的元组〈类别，成员资格 > 集合，该集合将极有可能互不相同。因而通过示例方式，“成员资格”可以表述为百分比。相应地，照明器可以得出结论:[无雾，2%]，[一些雾，60%]。还可能的是，照明器可以在此映射步骤之后确定它属于具有高成员资格水平的多个类别。这是可接受的并且甚至受欢迎。尽管这引入不确定性，它还类似人类感知如何工作-非常主观并且取决于许多因素。
[0036]步骤2 (决策和验证):
根据本发明，对于决策阶段，照明器将取决于它是否具有它能够与之通信的相邻照明器而不同地表现。在一个实施例中，通过倾听由集中式服务器发送和/或告知的周期性“您好(HELLO)”讯息，照明器可以探测它们是否具有邻居。一旦这被确定:
a)如果照明器不具有任何邻居，它则将决定具有最高成员资格的类别。这是各类别之间的简单比较。如果两个(或更多个)类别具有相同成员资格，所选择的类别应总是优先为组合元素。
[0037]b)如果照明器具有邻居，它则执行补充步骤一并且将基于许多先前出版的证据推理(Evidential Reasoning)算法而把其决策与其邻居的决策合并。通过示例方式，这种出版物包含:G.Shafer, A mathematical theory of evidence.普林斯顿大学出版社，1976 ;信任函数理论研讨会2010年论文集中的B.Marhic, L.Delahoche, C.Soleau, A._M.Jolly-Desodt 和 D.Menga, “Detect1n of abnormal sensor behav1ur using tbm，，；以及IEEE仪器和测量技术会议2002年论文集第21-23页中的H.ffu, M.Siegel和M.Siegel,“Sensor fus1n using dempster-shafer theory”。这些算法为合并不同元组同时能够调和矛盾的能力创造条件。比如，任何这些算法将允许90%确定“无雾”发生的照明器与“90%”认为“严重雾”发生的照明器的合并。在此步骤的最后，每个照明器将会联系其邻居，并且除了它们的个体决策之外还获得〈类别，成员资格 > 的最终合并感知元组。
[0038]在此时间点，每个个体照明器将或者具有单一决策(上面的2a)，或者将具有单一决策和合并感知(2b)。此信息存储于照明器的存储器，基于时间的决策和感知的历史可以在该存储器中被分析。在本发明的附加实施例中，此信息还通过可利用的网关被发射到集中式服务器。通过查看历史，照明器(或集中式服务器)可以识别个体照明器雾-传感器相关失效，以及在雾-探测事件上达到本地化共识。在步骤2的最后，每个照明器将具有单一决策，该决策在语言上测量它对雾环境数据的感知。
[0039]雾位置和移动方向识别
在本发明一实施例中，来自每个照明器的单一语言决策被分析；并且，通过分析某一区域内所有照明器的决策，雾位置、其尺寸的任何最近变化以及其移动方向被识别。该分析或者可以以集中式方式完成-通过发射所有决策到集中式服务器，或者按照分布式方式完成-通过使用群组成员资格协议达成本地化共识的各节点。在不失去普遍性的情况下，在下文提供与集中式解决方案相关的示例。
[0040]雾位置精确定位:
在此实施例中，集中式服务器被提供，其中该集中式服务器拥有下述信息:a)照明器的确切地点。这可能比如通过使用手持支持GPS功能的器件在调试阶段已被获得，并且后来存储于可访问的数据库。此外，照明器的地点可以通过应用在0LN中的定位技术或者借助安装于照明器自身内的GPS器件被确定。
[0041]b)GPS地点到街道的映射，以及识别照明器序列的能力。也就是说，某一照明器在另一个照明器之前或之后，以及哪些照明器为另一个照明器的邻居。
[0042]c)每条街道上交通流的方向。
[0043]每个照明器将把其决策(在上述阶段中得到)发射到集中式服务器。集中式服务器将随后执行冲突解决方案和合并机制，该机制也依赖于例如相邻节点的群组上的证据推理。由逐步合并来自相邻照明器的决策来确定位置。在图3A中提供简单图形示例，其中每个标记“X”代表一照明器，其被图示为位于正被监视的区域的中心。为了简化起见，这些区域被标记为圆。然而，本发明不限于此，因为地形特征、结构、树木等将典型地导致不对称区域。在每个区域内，决策被确定并且被描绘成各种阴影的映射，较暗的阴影表示探测的更高的雾发生率。结果随后被重叠，如图中所示。
[0044]雾定位可以因而利用置信区间来推断。也就是说，图3A图示的信息将引导系统推断哪些区域具有更高或更低的雾机会。此分析的结果描述于图3B。
[0045]雾移动方向识别:
为了确定雾移动的方向，一系列带时间戳的定位结果将被比较。也就是说，通过示例方式，来自多个个体照明器的探测结果被组合，使得这些结果的历史(例如，所涉及的照明器的时间和地点)可以被用于确定雾移动的方向。通过分析每个所推断区域如何改变的方向(或缺少此方向)，系统能够确定移动的方向和速度这二者。
_6] 对驾驶员的不安全状况的早期警告机制
在本发明另外实施例中，提供发射机制，其能够警告处于严重雾地区的驾驶员以及仍然位于雾较少或者没有任何雾的区域的驾驶员。
[0047]利用从前面两个阶段得到的信息，系统能够以变化水平的确定性和严重性知晓雾位于何处。它还知晓雾的聚集的移动方向和速度。利用此信息，结合先前确立的汽车交通的最高/最低速度，早期警告机制通过将该信息反向传播到在外部地区中建立的照明器而起作用。
[0048]给定雾方向和速度，并且给定交通方向和速度，本发明能够计算将警告反向传播多远。本发明的此特征在图4中描绘。在本发明各种实施例中，一个或多个照明器被配备以直接与路过的汽车通信，并且/或者此信息也可以通过在驾驶员的智能手机或其它连接网络的器件上的警告而被显示。
[0049]图5图示本发明实施例的流程图。一旦照明器从雾传感器202接收该值，步骤1被执行并且决策被制定。取决于地域因素，照明器200可以与相邻照明器通信或者直接与集中式服务器102通信(在步骤2)。最后，服务器102精确定位雾位置和移动方向，并且警告适当的(多个)照明器(在步骤3)。在步骤4，这个被警告的照明器200可以随后在需要时反向传播，并且将该警告发送到路过的驾驶员。
[0050]本领域技术人员将意识到，术语处理器、处理系统、计算机或计算机系统可以代表与一个或多个存储器单元通信的一个或多个处理单元，以及电气连接到该至少一个处理单元并且和与该至少一个处理单元通信的其它器件，例如外围设备。另外，图示的器件可以经由例如下述而电气连接到该一个或多个处理单元:串行、并行、ISA总线，微通道总线，PCI总线，PCMCIA总线，USB等的内部总线，或者电路、电路板或其它器件的一个或多个内部连接以及这些和其它通信介质的部分和组合，或者例如互联网和内联网的外部网络。在其它实施例中，硬件电路系统可以用来替代软件指令或者与软件指令组合以实施本发明。比如，此处图