道路亮度路线规划

技术领域

本公开涉及基于道路亮度度量提供路线引导的系统和方法。当车辆中的驾驶员选择最终目的地时，导航系统将提供优选路线，该优选路线通常基于到最终目的地的最短总距离。有时，导航系统将提供避开类似建筑地带、活动事故现场、土路和收费公路的事物的替代路线。这些替代路线通常将花费多一点的时间到达最终目的地，但允许车辆选择性地避免不期望的驾驶条件。

背景技术

在夜间期间，道路基于路灯的存在、来自沿道路的商业和建筑物的环境光以及道路上的交通量而表现出变化的亮度水平。当前的导航系统不向驾驶员提供引导以允许驾驶员选择提供比另一路线更好的亮度特性的路线。

因此，虽然当前系统和方法实现其预期目的，但需要一种用于基于道路亮度度量提供路线引导的新的且改进的系统和方法。

发明内容

根据本公开的多个方面，一种用于基于道路亮度度量提供路线引导的系统包括：主车辆，其具有车载数据处理器、与所述车载数据处理器通信并适于允许所述车辆的驾驶员从所述车载数据处理器接收信息并将信息输入到所述车载数据处理器的驾驶员界面、以及与所述车载数据处理器通信的无线通信模块；基于云的数据处理器，其适于从所述主车辆和多个其他车辆收集实时道路亮度数据、并且存储从所述主车辆和多个其他车辆收集的道路亮度数据、并且在不同时间和不同日期建立在所识别的路段处的道路亮度度量的模型，所述基于云的数据处理器还适于：从所述主车辆内的所述车载数据处理器接收与所述主车辆的起始位置和最终目的地相关的数据；计算所述起始点和所述最终目的地之间的最短路径路线的亮度特性；计算所述起始点与所述最终目的地之间的至少一条可行替代路线的亮度特性；以及当所述至少一条可行替代路线具有比所述起始点和所述最终目的地之间的最短路径路线更好地满足预定亮度偏好的亮度特性时，经由所述主车辆内的所述驾驶员界面向所述主车辆的驾驶员呈现所述起始点和所述最终目的地之间的所述至少一条可行替代路线。

根据另一方面，当计算所述起始点和所述最终目的地之间的至少一条可行替代路线的亮度特性时，所述基于云的数据处理器还适于识别到达时间在所述最短路径路线的到达时间的预定时间间隔内的至少一条可行替代路线。

根据另一方面，所述基于云的数据处理器还适于从在所述至少一条可行替代路线上行驶的其他车辆收集与所述至少一条可行替代路线的亮度特性相关的实时数据，其中，当计算所述起始点和所述最终目的地之间的所述至少一条可行替代路线的亮度特性时，所述基于云的数据处理器适于将存储在所述基于云的数据处理器上的道路亮度度量的模型内的与所述至少一条可行替代路线的亮度特性相关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的实时数据组合。

根据另一方面，所述基于云的数据处理器还适于从在最短路径路线上行进的其他车辆以及从主车辆收集与最短路径路线的亮度特性有关的实时数据，其中，当计算起始点与最终目的地之间的最短路径路线的亮度特性时，所述基于云的数据处理器还适于将存储在基于云的数据处理器上的道路亮度度量的模型内的与最短路径路线的亮度特性有关的历史数据与从在最短路径路线上行进的其他车辆以及从主车辆收集的实时数据组合。

根据另一方面，所述主车辆内的车载数据处理器和所述其他车辆中的每个内的车载数据处理器适于：从多个车载图像捕获装置收集图像；利用所述车载数据处理器计算来自多个图像捕获装置中的每个的每个捕获图像的亮度度量；计算所识别的路段上的捕获图像的中值亮度度量；将GPS坐标、航向信息和时间戳附加到所述中值亮度度量；以及经由无线通信模块通过无线通信网络将所述中值亮度度量发送到所述基于云的数据处理器。

根据另一方面，在主车辆和其他车辆中的每个内的车载数据处理器适于在计算每个捕获图像的亮度度量之前对来自多个图像捕获装置中的每个的捕获图像中的每个进行ROI滤波。

根据另一方面，当将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述至少一条可行替代路线的亮度特性相关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的实时数据组合时，所述基于云的数据处理器还适于识别所述至少一条可行替代路线的多个所识别的路段，并且对于所述至少一条可行路线的每个所识别的路段，将从所述其他车辆接收的每个所识别的路段的所述中值亮度度量与存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的每个所识别的路段的历史数据融合，以计算所述至少一条替代路线的多个预定路段中的每个的亮度特性。

根据另一方面，当将存储在基于云的数据处理器上的道路亮度度量的模型内的与最短路径路线的亮度特性有关的历史数据与从在最短路径路线上行进的其他车辆和从主车辆收集的实时数据组合时，基于云的数据处理器还适于识别最短路径路线的多个所识别的路段，并且对于最短路径路线的所识别的路段中的每个，将从其他车辆和主车辆接收的所识别的路段中的每个的中值亮度度量与存储在基于云的数据处理器上的道路亮度度量的模型内的所识别的路段的历史数据融合，以计算最短路径路线的多个预定路段中的每个的亮度特性。

根据另一方面，当经由主车辆内的驾驶员界面向主车辆的驾驶员呈现在起始点与最终目的地之间的至少一个可行替代路线时，当至少一个可行替代路线具有比在起始点与最终目的地之间的最短路径路线更好地满足预定亮度偏好的亮度特性时，基于云的数据处理器还适于：利用所述主车辆内的所述驾驶员界面来收集与亮度度量相关的驾驶员偏好；将所述至少一条可行替代路线的所识别的路段中的每个与所述驾驶员偏好进行比较；将所述最短路径路线的所识别的路段中的每个与所述驾驶员偏好进行比较；以及识别比所述最短路径路线更接近地满足所述驾驶员偏好的所述至少一条可行替代路线中的每条。

根据另一方面，在计算所述至少一条替代路线的多个预定路段中的每个的亮度特性以及计算所述最短路径路线的多个所识别路段中的每个的亮度特性之后，所述基于云的数据处理器还适于在不同时间和不同日期更新在所识别路段处的道路亮度度量的模型。

根据本公开的多个方面，一种基于道路亮度度量提供路线引导的方法包括：利用基于云的数据处理器从所述主车辆内的处理器收集主车辆的起始位置和最终目的地，所述基于云的数据处理器适于从所述主车辆和从多个其他车辆收集实时道路亮度数据、适于存储从所述主车辆和多个其他车辆收集的道路亮度数据、并且适于在不同时间和不同日期建立在所识别的路段处的道路亮度度量的模型；计算所述起始点与所述最终目的地之间的最短路径路线的亮度特征；计算所述起始点与所述最终目的地之间的至少一条可行替代路线的亮度特性；以及当所述至少一条可行替代路线具有比所述起始点和所述最终目的地之间的最短路径路线更好地满足预定亮度偏好的亮度特性时，经由所述主车辆内的驾驶员界面向所述主车辆的驾驶员呈现所述起始点和所述最终目的地之间的所述至少一条可行替代路线。

根据另一方面，所述计算所述起始点和所述最终目的地之间的至少一条可行替代路线的亮度特性还包括：识别到达时间在所述最短路径路线的到达时间的预定时间间隔内的至少一条可行替代路线。

根据另一方面，所述计算所述起始点和所述最终目的地之间的所述至少一条可行替代路线的亮度特性还包括：利用所述基于云的数据处理器从在所述至少一条可行替代路线上行驶的其他车辆收集与所述至少一条替代路线的亮度特性相关的实时数据；以及将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述至少一条可行替代路线的亮度特性有关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的所述实时数据组合。

根据另一方面，所述计算所述起始点与所述最终目的地之间的所述最短路径路线的亮度特性还包括：利用所述基于云的数据处理器从在所述最短路径路线上行驶的其他车辆以及从所述主车辆收集与所述最短路径路线的亮度特性相关的实时数据；以及将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述最短路径路线的亮度特性有关的历史数据与从在所述最短路径路线上行驶的其他车辆和从所述主车辆收集的所述实时数据组合。

根据另一方面，利用所述主车辆和每个所述其他车辆内的所述基于云的数据处理器从所述主车辆和所述其他车辆收集实时数据还包括：利用车载数据处理器从多个车载图像捕获装置收集图像；利用所述车载数据处理器计算来自多个图像捕获装置中的每个的每个捕获图像的亮度度量；计算所识别的路段上的捕获图像的中值亮度度量；将GPS坐标、航向信息和时间戳附加到所述中值亮度度量；以及经由无线通信模块通过无线通信网络将所述中值亮度度量发送到所述基于云的数据处理器。

根据另一方面，该方法还包括：在计算每个捕获图像的亮度度量之前，对来自多个图像捕获装置中的每个的每个捕获图像进行ROI滤波。

根据另一方面，将存储在所述基于云的数据处理器上的所述道路亮度度量模型内的与所述至少一条可行替代路线的亮度特性相关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的所述实时数据组合还包括：利用所述基于云的数据处理器识别所述至少一条可行替代路线的所识别的路段，并且对于所述至少一条可行路线的所识别的路段中的每个，将从其他车辆接收的所识别的路段中的每个的所述中值亮度度量与存储在所述基于云的数据处理器上的所述道路亮度度量模型内的所识别的路段中的每个的历史数据融合，以计算所述至少一条替代路线的多个所识别的路段中的每个的亮度特性。

根据另一方面，将存储在所述基于云的数据处理器上的所述道路亮度度量模型内的与所述最短路径路线的亮度特性有关的历史数据与从在所述最短路径路线上行驶的其他车辆和从所述主车辆收集的所述实时数据组合还包括：利用所述基于云的数据处理器识别所述最短路径路线的所识别的路段，并且对于所述最短路径路线的所识别的路段中的每个，将从其他车辆和所述主车辆接收的所识别的路段中的每个的所述中值亮度度量与存储在所述基于云的数据处理器上的所述道路亮度度量模型内的所识别的路段的历史数据融合，以计算所述最短路径路线的多个所识别的路段中的每个的亮度特性。

根据另一方面，当所述至少一条可行替代路线具有比所述起始点和所述最终目的地之间的最短路径路线更佳地满足预定亮度偏好的亮度特性时，经由所述主车辆内的驾驶员界面向所述主车辆的驾驶员呈现所述起始点和所述最终目的地之间的所述至少一条可行替代路线还包括：利用所述主车辆内的所述驾驶员界面来收集与亮度度量相关的驾驶员偏好；将所述至少一条可行替代路线的所识别的路段中的每个与所述驾驶员偏好进行比较；将所述最短路径路线的所识别的路段中的每个与所述驾驶员偏好进行比较；以及识别比所述最短路径路线更接近地满足所述驾驶员偏好的所述至少一条可行替代路线中的每条。

根据另一方面，所述方法还包括：在计算所述至少一条替代路线的多个所识别的路段中的每个的亮度特性以及计算所述最短路径路线的多个所识别的路段中的每个的亮度特性之后，在不同时间和不同日期更新在所识别的路段处的道路亮度度量的模型。

本发明还可包括下列方案。

1. 一种基于道路亮度度量提供路线引导的系统，包括：

主车辆，其具有车载数据处理器、与所述车载数据处理器通信并适于允许所述车辆的驾驶员从所述车载数据处理器接收信息并将信息输入到所述车载数据处理器的驾驶员界面、以及与所述车载数据处理器通信的无线通信模块；

基于云的数据处理器，其适于从所述主车辆和多个其他车辆收集实时道路亮度数据、并且存储从所述主车辆和多个其他车辆收集的道路亮度数据、并且在不同时间和不同日期建立在所识别的路段处的道路亮度度量的模型；

所述基于云的数据处理器还适于：

从所述主车辆内的所述车载数据处理器接收与所述主车辆的起始位置和最终目的地相关的数据；

计算所述起始点和所述最终目的地之间的最短路径路线的亮度特性；

计算所述起始点与所述最终目的地之间的至少一条可行替代路线的亮度特性；以及

当所述至少一条可行替代路线具有比所述起始点和所述最终目的地之间的最短路径路线更好地满足预定亮度偏好的亮度特性时，经由所述主车辆内的所述驾驶员界面向所述主车辆的驾驶员呈现所述起始点和所述最终目的地之间的所述至少一条可行替代路线。

2. 根据方案1所述的系统，其中，当计算所述起始点和所述最终目的地之间的至少一条可行替代路线的亮度特性时，所述基于云的数据处理器还适于识别到达时间在所述最短路径路线的到达时间的预定时间间隔内的至少一条可行替代路线。

3. 根据方案2所述的系统，其中，所述基于云的数据处理器还适于从在所述至少一条可行替代路线上行驶的其他车辆收集与所述至少一条可行替代路线的亮度特性相关的实时数据，其中，当计算所述起始点和所述最终目的地之间的所述至少一条可行替代路线的亮度特性时，所述基于云的数据处理器适于将存储在所述基于云的数据处理器上的道路亮度度量的模型内的与所述至少一条可行替代路线的亮度特性相关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的实时数据组合。

4. 根据方案3所述的系统，其中，所述基于云的数据处理器还适于从在最短路径路线上行进的其他车辆以及从主车辆收集与最短路径路线的亮度特性有关的实时数据，其中，当计算起始点与最终目的地之间的最短路径路线的亮度特性时，所述基于云的数据处理器还适于将存储在基于云的数据处理器上的道路亮度度量的模型内的与最短路径路线的亮度特性有关的历史数据与从在最短路径路线上行进的其他车辆以及从主车辆收集的实时数据组合。

5. 根据方案4所述的系统，其中，所述主车辆内的车载数据处理器和所述其他车辆中的每个内的车载数据处理器适于：

从多个车载图像捕获装置收集图像；

利用所述车载数据处理器计算来自多个图像捕获装置中的每个的每个捕获图像的亮度度量；

计算所识别的路段上的捕获图像的中值亮度度量；

将GPS坐标、航向信息和时间戳附加到所述中值亮度度量；以及

经由无线通信模块通过无线通信网络将所述中值亮度度量发送到所述基于云的数据处理器。

6. 根据方案5所述的系统，其中，在主车辆和其他车辆中的每个内的车载数据处理器适于在计算每个捕获图像的亮度度量之前对来自多个图像捕获装置中的每个的捕获图像中的每个进行ROI滤波。

7. 根据方案5所述的系统，其中，当将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述至少一条可行替代路线的亮度特性相关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的实时数据组合时，所述基于云的数据处理器还适于识别所述至少一条可行替代路线的多个所识别的路段，并且对于所述至少一条可行路线的每个所识别的路段，将从所述其他车辆接收的每个所识别的路段的所述中值亮度度量与存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的每个所识别的路段的历史数据融合，以计算所述至少一条替代路线的多个预定路段中的每个的亮度特性。

8. 根据方案7所述的系统，其中，当将存储在基于云的数据处理器上的道路亮度度量的模型内的与最短路径路线的亮度特性有关的历史数据与从在最短路径路线上行进的其他车辆和从主车辆收集的实时数据组合时，基于云的数据处理器还适于识别最短路径路线的多个所识别的路段，并且对于最短路径路线的所识别的路段中的每个，将从其他车辆和主车辆接收的所识别的路段中的每个的中值亮度度量与存储在基于云的数据处理器上的道路亮度度量的模型内的所识别的路段的历史数据融合，以计算最短路径路线的多个预定路段中的每个的亮度特性。

9. 根据方案8所述的系统，其中，当经由主车辆内的驾驶员界面向主车辆的驾驶员呈现在起始点与最终目的地之间的至少一个可行替代路线时，当至少一个可行替代路线具有比在起始点与最终目的地之间的最短路径路线更好地满足预定亮度偏好的亮度特性时，基于云的数据处理器还适于：

利用所述主车辆内的所述驾驶员界面来收集与亮度度量相关的驾驶员偏好；

将所述至少一条可行替代路线的所识别的路段中的每个与所述驾驶员偏好进行比较；

将所述最短路径路线的所识别的路段中的每个与所述驾驶员偏好进行比较；以及

识别比所述最短路径路线更接近地满足所述驾驶员偏好的所述至少一条可行替代路线中的每条。

10. 根据方案9所述的系统，其中，在计算所述至少一条替代路线的多个预定路段中的每个的亮度特性以及计算所述最短路径路线的多个所识别路段中的每个的亮度特性之后，所述基于云的数据处理器还适于在不同时间和不同日期更新在所识别路段处的道路亮度度量的模型。

11. 一种基于道路亮度度量提供路线引导的方法，包括：

利用基于云的数据处理器从所述主车辆内的处理器收集主车辆的起始位置和最终目的地，所述基于云的数据处理器适于从所述主车辆和从多个其他车辆收集实时道路亮度数据、适于存储从所述主车辆和多个其他车辆收集的道路亮度数据、并且适于在不同时间和不同日期建立在所识别的路段处的道路亮度度量的模型；

计算所述起始点与所述最终目的地之间的最短路径路线的亮度特征；

计算所述起始点与所述最终目的地之间的至少一条可行替代路线的亮度特性；以及

当所述至少一条可行替代路线具有比所述起始点和所述最终目的地之间的最短路径路线更好地满足预定亮度偏好的亮度特性时，经由所述主车辆内的驾驶员界面向所述主车辆的驾驶员呈现所述起始点和所述最终目的地之间的所述至少一条可行替代路线。

12. 根据方案11所述的方法，其中，所述计算所述起始点和所述最终目的地之间的至少一条可行替代路线的亮度特性还包括：识别到达时间在所述最短路径路线的到达时间的预定时间间隔内的至少一条可行替代路线。

13. 根据方案12所述的方法，其中，所述计算所述起始点和所述最终目的地之间的所述至少一条可行替代路线的亮度特性还包括：

利用所述基于云的数据处理器从在所述至少一条可行替代路线上行驶的其他车辆收集与所述至少一条替代路线的亮度特性相关的实时数据；以及

将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述至少一条可行替代路线的亮度特性有关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的所述实时数据组合。

14. 根据方案13所述的方法，其中，所述计算所述起始点与所述最终目的地之间的所述最短路径路线的亮度特性还包括：

利用所述基于云的数据处理器从在所述最短路径路线上行驶的其他车辆以及从所述主车辆收集与所述最短路径路线的亮度特性相关的实时数据；以及

将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述最短路径路线的亮度特性有关的历史数据与从在所述最短路径路线上行驶的其他车辆和从所述主车辆收集的所述实时数据组合。

15. 根据方案14所述的方法，其中，利用所述主车辆和每个所述其他车辆内的所述基于云的数据处理器从所述主车辆和所述其他车辆收集实时数据还包括：

利用车载数据处理器从多个车载图像捕获装置收集图像；

利用所述车载数据处理器计算来自多个图像捕获装置中的每个的每个捕获图像的亮度度量；

计算所识别的路段上的捕获图像的中值亮度度量；

将GPS坐标、航向信息和时间戳附加到所述中值亮度度量；以及

经由无线通信模块通过无线通信网络将所述中值亮度度量发送到所述基于云的数据处理器。

16. 根据方案15所述的方法，还包括：在计算每个捕获图像的亮度度量之前，对来自多个图像捕获装置中的每个的每个捕获图像进行ROI滤波。

17. 根据方案15所述的方法，其中，将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述至少一条可行替代路线的亮度特性相关的历史数据与从在所述至少一条替代路线上行驶的其他车辆收集的所述实时数据组合还包括：

利用所述基于云的数据处理器识别所述至少一条可行替代路线的所识别的路段，并且对于所述至少一条可行路线的所识别的路段中的每个，将从其他车辆接收的所识别的路段中的每个的所述中值亮度度量与存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的所识别的路段中的每个的历史数据融合，以计算所述至少一条替代路线的多个所识别的路段中的每个的亮度特性。

18. 根据方案17所述的方法，其中，将存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的与所述最短路径路线的亮度特性有关的历史数据与从在所述最短路径路线上行驶的其他车辆和从所述主车辆收集的所述实时数据组合还包括：

利用所述基于云的数据处理器识别所述最短路径路线的所识别的路段，并且对于所述最短路径路线的所识别的路段中的每个，将从其他车辆和所述主车辆接收的所识别的路段中的每个的所述中值亮度度量与存储在所述基于云的数据处理器上的所述道路亮度度量的模型内的所识别的路段的历史数据融合，以计算所述最短路径路线的多个所识别的路段中的每个的亮度特性。

19. 根据方案18所述的方法，其中，当所述至少一条可行替代路线具有比所述起始点和所述最终目的地之间的最短路径路线更佳地满足预定亮度偏好的亮度特性时，经由所述主车辆内的驾驶员界面向所述主车辆的驾驶员呈现所述起始点和所述最终目的地之间的所述至少一条可行替代路线还包括：

利用所述主车辆内的所述驾驶员界面来收集与亮度度量相关的驾驶员偏好；

将所述至少一条可行替代路线的所识别的路段中的每个与所述驾驶员偏好进行比较；

将所述最短路径路线的所识别的路段中的每个与所述驾驶员偏好进行比较；以及

识别比所述最短路径路线更接近地满足所述驾驶员偏好的所述至少一条可行替代路线中的每条。

20. 根据方案19所述的方法，还包括：在计算所述至少一条替代路线的多个所识别的路段中的每个的亮度特性以及计算所述最短路径路线的多个所识别的路段中的每个的亮度特性之后，在不同时间和不同日期更新在所识别的路段处的道路亮度度量的模型。

进一步的应用领域从本文提供的描述将变得显而易见。应当理解，描述和具体示例仅旨在用于说明的目的，而不旨在限制本公开的范围。

附图说明

本文描述的附图仅用于说明目的，而不旨在以任何方式限制本公开的范围。

图1是根据本公开的示例性实施例的系统的示意图；

图2是根据示例性实施例的在起始点和最终目的地之间的最短路径路线和可行替代路线的示意图；

图3是三维颜色空间的示意图；

图4是图2所示最短路径路线的亮度特性的曲线图；

图5是图2中所示的可行替代路线的亮度特性的曲线图；

图6是示出根据示例性实施例的基于道路亮度度量提供路线引导的方法的示意性流程图；以及

图7是示出了图6的框110和114的细节的示意性流程图。

附图不一定按比例绘制，并且一些特征可能被放大或缩小，以便例如示出特定部件的细节。在一些情况下，没有详细描述公知的部件、系统、材料或方法，以避免使本公开模糊。因此，本文公开的具体结构和功能细节不应被解释为限制性的，而仅作为权利要求的基础和作为教导本领域技术人员以各种方式使用本公开的代表性基础。

具体实施方式

以下描述本质上仅是示例性的，并且不旨在限制本公开、应用或使用。此外，不希望受前述技术领域、背景技术、发明内容或以下详细描述中所呈现的任何明示或暗示理论的约束。应当理解，在所有附图中，相应的附图标记表示相同或相应的部件和特征。如本文所使用的，术语模块单独地或以任何组合指代任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器装置，包括但不限于：专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享的、专用的或成组的)和存储器、组合逻辑电路和/或提供所述功能的其他合适部件。尽管本文所示的附图描绘了具有某些元件布置的示例，但是在实际实施例中可以存在附加的中间元件、装置、特征或部件。还应当理解，附图仅仅是说明性的，并且可能不是按比例绘制的。

如本文所用，术语“车辆”不限于汽车。虽然本技术在本文主要结合汽车进行描述，但是该技术不限于汽车。该概念可以用于各种应用，例如与飞机、船舶、其他交通工具和消费者电子部件结合。

参考图1，用于基于道路亮度度量向主车辆12提供路线引导的系统10包括位于主车辆12内的车载数据处理器14。驾驶员界面16位于主车辆12内以用于与主车辆12的驾驶员交互，并且与车载数据处理器14通信。驾驶员界面16适于允许主车辆12的驾驶员从车载数据处理器14接收信息并且将信息输入到车载数据处理器14。无线通信模块18位于主车辆12内，与车载数据处理器14通信。

基于云的数据处理器20适于从主车辆12和多个其他车辆22收集实时道路亮度数据。其他车辆22是也具有车载数据处理器24、驾驶员界面26和无线通信模块28的车辆。主车辆12和其他车辆22内的无线通信模块18、28允许主车辆12和每个其他车辆22的车载数据处理器14、24与基于云的数据处理器20之间的无线双向通信，如箭头30所示。通过无线通信信道(例如WLAN、4G/LTE或5G网络等)经由无线数据通信网络32来实现与无线通信模块18、28的无线通信。

基于云的数据处理器20和车载数据处理器14、24中的每个是非通用的电子控制装置，其具有预编程的数字计算机或处理器、用于存储诸如控制逻辑、软件应用、指令、计算机代码、数据、查找表等的数据的存储器或非瞬态计算机可读介质、以及收发器[或输入/输出端口]。计算机可读介质包括能够由计算机访问的任何类型的介质，诸如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、压缩盘(CD)、数字视频盘(DVD)或任何其他类型的存储器。“非暂时性”计算机可读媒体排除传输暂时性电信号或其他信号的有线、无线、光学或其他通信链路。非暂时性计算机可读介质包括其中数据可以被永久存储的介质和其中数据可以被存储并且稍后被重写的介质，诸如可重写光盘或可擦除存储器装置。计算机代码包括任何类型的程序代码，包括源代码、目标代码和可执行代码。

基于云的数据处理器20适于存储从主车辆12和多个其他车辆22收集的道路亮度数据，并且在不同时间和不同日期建立在所识别的路段处的道路亮度度量的模型。在示例性实施例中，基于云的数据处理器20还适于从主车辆12内的车载数据处理器14接收与主车辆12的起始位置34和最终目的地36相关的数据。驾驶员可以经由主车辆12内的驾驶员界面16选择最终目的地36。

基于云的数据处理器20还适于计算起始点34和最终目的地36之间的最短路径路线38的亮度特性。最短路径路线38是由系统10或由与主车辆12内的系统10协同工作的导航系统选择的默认路线，并且通常是提供起始点34和最终目的地36之间的最短实际行进距离的路线。

基于云的数据处理器20还适于计算起始点34和最终目的地36之间的至少一条可行替代路线40的亮度特性。在示例性实施例中，该至少一条可行替代路线40是在最终目的地36处的到达时间在最短路径路线38在最终目的地36处的到达时间的预定时间间隔内的任何路线。例如，参考图2，系统10识别最短路径路线38并在驾驶员界面16上将最短路径路线38显示为实线。驾驶员界面16还将针对最短路径路线38显示到最终目的地36的近似行进时间。对于该示例，沿着最短路径路线38从起始点34到最终目的地36的行进时间是十五分钟。对于该示例，预定时间间隔是五分钟。因此，提供在沿最短路径路线38的近似行程时间的五分钟内的行程时间的任何路线是可行替代路线40。换言之，提供二十分钟或更少的行程时间的任何路线将被认为是可行替代路线40。

基于云的数据处理器20还适于：当至少一条可行替代路线40具有比起始点34与最终目的地36之间的最短路径路线38更好地满足预定亮度偏好的亮度特性时，经由主车辆12内的驾驶员界面16向主车辆12的驾驶员呈现起始点34与最终目的地36之间的至少一条可行替代路线40。如图2所示，系统10将起始点34和最终目的地36之间的可行替代路线40显示为虚线。系统10还向驾驶员显示与可行替代路线40相关的信息，向驾驶员通知近似驾驶时间以及为何可行替代路线40可能是优选的。例如，系统10可显示消息，该消息指示所显示的可行替代路线40将花费十七分钟，比最短路径路线38长两分钟，但是所显示的可行替代路线40提供比最短路径路线38更好的道路亮度特性。

在示例性实施例中，在基于云的数据处理器20识别至少一条可行替代路线40之后，基于云的数据处理器20还适于从在至少一条可行替代路线40上行驶的其他车辆22收集与至少一条可行替代路线40的亮度特性相关的实时数据。系统10识别当前在至少一条可行替代路线40上行驶的其他车辆22，并启动经由无线通信网络32从其他车辆22收集数据。基于云的数据处理器20还适于从在最短路径路线38上行驶的其他车辆22和从当前在最短路径路线38上行驶的主车辆12收集与最短路径路线38的亮度特性相关的实时数据。系统10识别当前在最短路径路线38上行驶的其他车辆22，并启动经由无线通信网络32从其他车辆22和主车辆12收集数据。

当计算起始点34和最终目的地36之间的至少一条可行替代路线40的亮度特性时，基于云的数据处理器20适于将存储在基于云的数据处理器20上的道路亮度度量的模型内的与至少一条可行替代路线40的亮度特性相关的历史数据与从在至少一条替代路线40上行驶的其他车辆22收集的实时数据组合。当计算起始点34和最终目的地36之间的至少一条可行替代路线40的亮度特性时，基于云的数据处理器20还适于将存储在基于云的数据处理器20上的道路亮度度量的模型内的与最短路径38的亮度特性相关的历史数据与从在最短路径38上行驶的其他车辆22和从主车辆12收集的实时数据组合。

在示例性实施例中，主车辆12和其他车辆22各自包括多个车载图像捕获装置42，例如摄像机，其与车载数据处理器14、24通信并且适于获得车辆12、22周围的环境的周期性或顺序图像。主车辆12内的车载数据处理器14和其他车辆22中的每个内的车载数据处理器24适于从多个车载图像捕获装置42收集图像，并且计算来自多个图像捕获装置42中的每个的每个所捕获图像的亮度度量。

在示例性实施例中，对于主车辆12和每个其他车辆22，车载数据处理器14、24将收集到的每个图像变换到三维颜色空间44中。参照图3，示出三维L*a*b*颜色空间44，其中x轴46和y轴48代表主颜色，z轴50代表百分比亮度L*，其在从光谱的第一端52处的0到光谱的第二端54处的100的范围内。对于每个图像，通过对图像内的所有像素的感知亮度L*值取平均值来计算亮度度量。

在示例性实施例中，主车辆12和每个其他车辆22内的车载数据处理器14、24适于在计算每个捕获图像的亮度度量之前对来自多个图像捕获装置42中的每个的每个捕获图像进行ROI(感兴趣区域)滤波。ROI滤波是将滤波器应用于图像中的区域的过程。例如，图像可以捕获车辆前方的道路以及道路侧面的区域。道路可以由聚焦的路灯良好地照明，其中道路侧面的区域可以是完全黑暗的。系统10主要对道路的亮度特性感兴趣，因此可以滤波掉道路侧面的区域，使得图像的总体亮度度量不受道路侧面的不相关暗区的负面影响。对于每个图像，通过对图像内的除了通过ROI滤波排除的像素之外的所有像素的感知亮度L*值取平均值来计算亮度度量。

当ROI滤波捕获图像时，系统10必须考虑车辆和车载图像捕获装置42相对于道路的运动。如果道路是崎岖的，并且车辆和摄像机42上下跳动，则必须移动滤波器以考虑这种移动，并且保持聚焦在要滤波的区域上。例如，如果摄像机向上移动，则滤波器应当向下移动以确保滤波器仍然聚焦在预期区域上。

此外，系统10可以适于移除每个图像内的与运动对象相对应的像素。当车载数据处理器14、24经由多个图像捕获装置42收集图像时，来自单个摄像机42的一系列图像可捕获在相反方向上移动的道路上的正在驶来的车辆。随着正在驶来的车辆接近，当正在驶来的车辆的前灯越来越近时，图像的亮度将急剧增加，然后当正在驶来的车辆已经经过时，亮度将急剧下降。系统10可以识别这样的异常并滤波掉已经捕获了运动对象的图像。此外，为了更新模型，如以下进一步讨论的，在低交通拥堵时间收集的数据可以比在高交通拥堵时间收集的数据被更多地加权，以防止模型内的历史数据由于影响计算的亮度特性的更拥堵的交通而被偏置。

在示例性实施例中，系统10适于在计算亮度度量时对来自主要指向道路上的摄像机42的图像进行加权。许多车辆具有围绕车辆360度面向的摄像机。系统10主要关注道路本身的亮度特性，因此当从车辆上的所有摄像机42收集图像时，系统10在计算亮度度量时可以使来自聚焦在道路上的摄像机的图像的权重大于来自聚焦在车辆周围的摄像机的图像。

然后，对于主车辆12和每个其他车辆22，车载数据处理器14、24计算在预定路段上捕获图像的中值亮度度量。在示例性实施例中，系统10识别预定长度的路段并计算每个路段的亮度度量56。例如，再次参考图2，最短路径路线38被分成六个路段38A、38B、38C、38D、38E、38F，并且可行替代路线40被分成六个路段40A、40B、40C、40D、40E、40F。对于此示例，路段的长度为300米。如图2所示，最短路径路线38和可行替代路线40中的每条都具有相同数量的路段。应当理解，最短路径路线38中的路段数量不必与至少一条可行替代路线40中的任意可行替代路线中的路段数量相同。

当主车辆12或任何其他车辆22行驶时，多个图像捕获装置42连续地捕获图像。对于主车辆12和每个其他车辆22，车载数据处理器14、24计算来自在所识别的路段内捕获的所有摄像机42的所有图像的中值亮度度量。例如，当收集用于图2中所示的可行替代路线40的数据时，系统10识别当前正在可行替代路线40上行驶的车辆，其中，所识别的其他车辆22将收集图像并计算这种其他车辆22行驶通过的路段40A、40B、40C、40D、40E、40F中的每个的中值亮度度量。

对于主车辆12和每个其他车辆22，车载数据处理器14、24适于将GPS坐标、航向信息和时间戳附加到中值亮度度量，并且经由无线通信模块18、28通过无线通信网络32将中值亮度度量发送到基于云的数据处理器20。

在示例性实施例中，当将存储在基于云的数据处理器20上的道路亮度度量的模型内的与最短路径路线38的亮度特性有关的历史数据与从在最短路径路线38上行驶的其他车辆22以及从主车辆12收集的实时数据组合时，基于云的数据处理器20还适于识别最短路径路线38的多个预定路段38A、38B、38C、38D、38E、38F，并且对于最短路径路线38的每个所识别的路段38A、38B、38C、38D、38E、38F，将从其他车辆22和主车辆12接收的每个所识别的路段38A、38B、38C、38D、38E、38F的中值亮度度量与存储在基于云的数据处理器20上的道路亮度度量的模型内的每个所识别的路段38A、38B、38C、38D、38E、38F的历史数据融合。

例如，如图1所示，系统10与三个其他车辆22通信。基于云的数据处理器20从三个其他车辆22中的每个收集针对所行进通过的最短路径路线38的路段38A、38B、38C、38D、38E、38F中的每个的中值亮度度量。另外，当主车辆12行驶时，基于云的数据处理器20从当前在最短路径路线38上行驶的主车辆12收集中值亮度度量。对于最短路径路线38的路段38A、38B、38C、38D、38E、38F中的每个，基于云的数据处理器20利用存储在模型内的路段38A、38B、38C、38D、38E、38F中的每个的历史亮度度量来平均从三个其他车辆22接收的三个中值亮度度量。因此，基于云的数据处理器20计算最短路径路线38的多个预定路段38A、38B、38C、38D、38E、38F中的每个的亮度特性。

在示例性实施例中，当将存储在基于云的数据处理器20上的道路亮度度量的模型内的与至少一条可行替代路线40的亮度特性有关的历史数据与从在至少一条替代路线40上行驶的其他车辆22收集的实时数据组合时，基于云的数据处理器20还适于识别至少一条可行替代路线40的多个预定路段40A、40B、40C、40D、40E、40F，并且对于至少一条可行路线40的每个所识别的路段40A、40B、40C、40D、40E、40F，将从其他车辆22接收的每个所识别的路段40A、40B、40C、40D、40E、40F的中值亮度度量与存储在基于云的数据处理器20上的道路亮度度量的模型内的每个所识别的路段40A、40B、40C、40D、40E、40F的历史数据融合。

例如，再次参考图1，系统10与三个其他车辆22通信。基于云的数据处理器20从三个其他车辆22中的每个针对行进通过的可行替代路线40的路段40A、40B、40C、40D、40E、40F中的每个收集中值亮度度量。对于可行替代路线40的路段40A、40B、40C、40D、40E、40F中的每个，基于云的数据处理器20利用存储在模型内的路段40A、40B、40C、40D、40E、40F中的每个的历史亮度度量来平均从三个其他车辆22接收的三个中值亮度度量。因此，基于云的数据处理器20计算至少一条替代路线40的多个预定路段40A、40B、40C、40D、40E、40F中的每个的亮度特性。

参考图4，曲线图示出了最短路径路线38的每个路段38A、38B、38C、38D、38E、38F上的亮度特性。参考图5，曲线图示出了可行替代路线40的每个路段40A、40B、40C、40D、40E、40F上的亮度特性。每个曲线图的x轴56表示所行驶的距离，每个曲线图的y轴58表示相对亮度特性。图4的曲线图中的线BC38A表示最短路径路线38的路段38A的亮度特性，其包括从三个其他车辆22接收的三个中值亮度度量以及存储在最短路径路线38的路段38A的模型内的历史亮度度量的平均值。图4的曲线图中的线BC38B、BC38C、BC38D、BC38E、BC38F分别表示最短路径路线38的对应路段38B、38C、38D、38E、38F的亮度特性。图5的曲线图中的线BC40A表示可行替代路线40的路段40A的亮度特性，其包括从三个其他车辆22接收的三个中值亮度度量和存储在可行替代路线的路段40A的模型中的历史亮度度量的平均值。图5的图中的线BC40B、BC40C、BC40D、BC40E、BC40F分别表示可行替代路线40的相应路段40B、40C、40D、40E、40F的亮度特性。

在示例性实施例中，当经由主车辆12内的驾驶员界面16向主车辆12的驾驶员呈现在起始点34和最终目的地36之间的至少一条可行替代路线40时，当至少一条可行替代路线40具有比在起始点34和最终目的地36之间的最短路径路线38更好地满足预定亮度偏好的亮度特性时，基于云的数据处理器20还适于利用主车辆12内的驾驶员界面16收集与亮度度量有关的驾驶员偏好。与亮度相关的驾驶员偏好是主车辆12的驾驶员偏好何种亮度条件的指示符。例如，一个这样的偏好可以是主车辆12的驾驶员不想驾驶通过被认为是暗区的区域。暗区是亮度特性低于预定阈值的路段。

基于云的数据处理器20适于将最短路径路线38的所识别的路段38A、38B、38C、38D、38E、38F中的每个与驾驶员偏好进行比较。参考图4，该曲线图包括表示亮度阈值60的虚线。如果任何路段具有小于亮度阈值60的亮度特性，则该路段将被认为是暗区。如图4所示，最短路径路线38的第四和第五路段38D、38E具有低于阈值60的亮度特性BC38D、BC38E。因此，最短路径路线38的第四和第五路段38D、38E是暗区。

基于云的数据处理器20适于将至少一条可行替代路线40的每个所识别的路段40A、40B、40C、40D、40E、40F与驾驶员偏好进行比较。如图5所示，可行替代路线40的路段40A、40B、40C、40D、40E、40F全都没有下降到阈值60以下。因此，可行替代路线40没有暗区。

基于云的数据处理器20适于识别比最短路径路线38更接近地满足驾驶员偏好的至少一条可行替代路线40中的每条。在图4和图5所示的示例中，最短路径路线38具有两个暗区，可行替代路线40没有暗区。因此，可行替代路线40更接近地满足不想驾驶通过暗区的驾驶员偏好，并且将作为可能是优选的可行替代路线呈现给主车辆12的驾驶员。

在计算至少一个可行替代路线40的多个预定路段40A、40B、40C、40D、40E、40F中的每个的亮度特性以及计算最短路径路线38的多个预定路段38A、38B、38C、38D、38E、38F中的每个的亮度特性之后，基于云的数据处理器20适于在不同时间和不同日期更新的所识别路段处的道路亮度度量的模型。因此，每次使用系统10时，模型被更新。如果区域内的亮度条件改变，则每次利用系统10时，更新模型，并且在模型中考虑该区域的改变条件。

参考图6，示出了基于道路亮度度量提供路线引导的方法100。在框102开始，该方法包括：利用基于云的数据处理器20从主车辆12内的车载数据处理器14收集主车辆12的起始位置34和最终目的地36，所述数据处理器适于从主车辆12和多个其他车辆22收集实时道路亮度数据、适于存储从主车辆12和多个其他车辆22收集的道路亮度数据、以及适于在不同时间和不同日期建立在所识别的路段38A、38B、38C、38D、38E、38F、40A、40B、40C、40D、40E、40F处的道路亮度度量的模型。移动到框104，方法100包括计算起始点34和最终目的地36之间的最短路径路线38的亮度特性，并且移动到框106，计算起始点34和最终目的地36之间的至少一条可行替代路线40的亮度特性。移动到框108，方法100包括：当至少一条可行替代路线40具有比起始点34和最终目的地36之间的最短路径路线38更好的满足预定亮度偏好的亮度特性时，经由主车辆12内的驾驶员界面16向主车辆12的驾驶员呈现起始点34和最终目的地36之间的至少一条可行替代路线40。

在示例性实施例中，在框106计算起始点34和最终目的地36之间的至少一条可行替代路线40的亮度特性还包括：识别到达时间在最短路径路线38的到达时间的预定时间间隔内的至少一条可行替代路线40。

在示例性实施例中，在框104计算起始点34和最终目的地36之间的最短路径路线38的亮度特性还包括，移动到框110，利用基于云的数据处理器20从在最短路径路线38上行进的其他车辆22和从主车辆12收集与最短路径路线38的亮度特性相关的实时数据，以及移动到框112，将存储在基于云的数据处理器20上的道路亮度度量的模型内的与最短路径路线38的亮度特性相关的历史数据与从在最短路径路线38上行进的其他车辆22和从主车辆12收集的实时数据组合。

在另一示例性实施例中，在框106计算起始点34和最终目的地36之间的至少一条可行替代路线40的亮度特性还包括，移动到框114，利用基于云的数据处理器20从在至少一条可行替代路线40上行进的其他车辆22收集与至少一条可行替代路线40的亮度特性相关的实时数据，以及移动到框116，将存储在基于云的数据处理器20上的道路亮度度量的模型内的与至少一条可行替代路线40的亮度特性相关的历史数据与从在至少一条替代路线40上行进的其他车辆22收集的实时数据组合。

在示例性实施例中，在框110和114利用主车辆12和每个其他车辆22内的数据处理器14、24从主车辆12和其他车辆22收集实时数据还包括，移动到框118，利用车载数据处理器14、24从多个车载图像捕获装置42收集图像，移动到框122，利用车载数据处理器14、24计算来自多个图像捕获装置42中的每个的每个捕获图像的亮度度量，移动到框124，计算在预定路段38A、38B、38C、38D、38E、38F、40A、40B、40C、40D、40E、40F上的捕获图像的中值亮度度量，移动到框126，将GPS坐标、航向信息和时间戳附加到中值亮度度量，以及移动到框128，经由无线通信模块18、28通过无线通信网络32将中值亮度度量发送到基于云的数据处理器20。

在示例性实施例中，移动到框120，该方法还包括：在计算每个捕获图像的亮度度量之前，对来自多个图像捕获装置42中的每个的每个捕获图像进行ROI滤波。

在另一示例性实施例中，在框112将存储在基于云的数据处理器20上的道路亮度度量的模型内的与最短路径路线38的亮度特性有关的历史数据与从在最短路径路线38上行进的其他车辆22和从主车辆12收集的实时数据组合还包括，移动到框130，利用基于云的数据处理器20识别最短路径路线38的多个预定路段38A、38B、38C、38D、38E、38F，并且对于最短路径路线38的所识别的路段38A、38B、38C、38D、38E、38F中的每个，以及移动到框132，将从其他车辆22和主车辆12接收的所识别的路段38A、38B、38C、38E、38F中的每个的中值亮度度量与存储在基于云的数据处理器20的所识别的路段38A、38B、38C、38D、38E、38F中的每个的历史数据融合，以计算最短路径路线38的多个预定路段38A、38B、38C、38E、38F中的每个的亮度度量。

在框116将存储在基于云的数据处理器20上的道路亮度度量的模型内的与至少一条可行替代路线40的亮度特性相关的历史数据与从在至少一条替代路线40上行驶的其他车辆22收集的实时数据组合还包括，移动到框134，利用基于云的数据处理器20识别至少一条可行替代路线40的多个预定路段40A、40B、40C、40D、40E、40F，并且对于至少一条可行路线40的每个所识别的路段40A、40B、40C、40D、40E、40F，移动到框136，将从其他车辆22接收的所识别的路段40A、40B、40C、40D、40E、40F中的每个的中值亮度度量与存储在基于云的数据处理器20上的道路亮度度量的模型内的所识别的路段40A、40B、40C、40D、40E、40F中的每个的历史数据融合，以计算至少一条替代路线40的多个预定路段40A、40B、40C、40D、40E、40F中的每个的亮度特性。

在另一示例性实施例中，在框108当至少一条可行替代路线40具有比起始点34和最终目的地36之间的最短路径路线38更满足预定亮度偏好的亮度特性时经由主车辆12内的驾驶员界面16向主车辆12的驾驶员呈现在起始点34和最终目的地36之间的至少一条可行替代路线40还包括，移动到框138，利用主车辆12内的驾驶员界面16收集与亮度度量相关的驾驶员偏好，并且移动到框140，将至少一条可行替代路线40的所识别的路段40A、40B、40C、40D、40E、40F中的每个与驾驶员偏好进行比较，并且移动到框142，将最短路径路线38的所识别的路段38A、38B、38C、38D、38E、38F中的每个与驾驶员偏好进行比较，并且移动到框144，识别比最短路径路线38更接近地满足驾驶员偏好的至少一条可行替代路线40中的每个。

最后，移动到框146，方法100还包括：在框104和106计算至少一条替代路线40的多个预定路段40A、40B、40C、40D、40E、40F中的每个的亮度特性以及计算最短路径路线38的多个预定路段38A、38B、38C、38D、38E、38F中的每个的亮度特性之后，在不同时间和不同日期更新在所识别路段38A、38B、38C、38D、38E、38F、40A、40B、40C、40D、40E、40F处的道路亮度度量的模型。

本公开的系统10和方法100提供了许多优点。在更良好地照明的道路上行驶更安全。由于当照明条件差时车辆的驾驶员也不能看到动物和行人的事实，所以当在良好地照明的道路上行驶时，车辆-动物和车辆-行人事故的机会较小。此外，本文描述的系统可以使车辆的驾驶员和乘客更舒适。对于一些人，当照明良好时行驶更舒适，并且当经由较暗的路线行驶时，这些人感觉不适和焦虑。在夏季期间，个体可能更喜欢在更阴暗(更暗)的路线上驾驶，而在冬季，个体可能更喜欢在接收更多阳光的不太暗的路线上驾驶。本公开的系统还可以用于改进自动远光束系统。

本公开的系统的另一用途是由运输部(DOT)或其他这样的组织使用。根据本公开的系统的提供商可以提供对存储在基于云的数据处理器内的历史数据的商业访问，使得这样的组织可以识别社区或城市内的具有差的照明条件的区域，并且基于这样的信息来计划未来的基础设施修复/更新。

本公开的描述本质上仅仅是示例性的，并且不脱离本公开的要旨的变化旨在处于本公开的范围内。这些变化不应被认为是偏离了本公开的精神和范围。