CN107207009B - 路面状态判断方法 - Google Patents

路面状态判断方法 Download PDF

Info

Publication number
CN107207009B
CN107207009B CN201580073950.XA CN201580073950A CN107207009B CN 107207009 B CN107207009 B CN 107207009B CN 201580073950 A CN201580073950 A CN 201580073950A CN 107207009 B CN107207009 B CN 107207009B
Authority
CN
China
Prior art keywords
timing waveform
tire
road surface
feature vector
time window
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201580073950.XA
Other languages
English (en)
Other versions
CN107207009A (zh
Inventor
后藤嵩人
花塚泰史
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fukurichi Dori
Original Assignee
Fukurichi Dori
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fukurichi Dori filed Critical Fukurichi Dori
Publication of CN107207009A publication Critical patent/CN107207009A/zh
Application granted granted Critical
Publication of CN107207009B publication Critical patent/CN107207009B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
    • B60C11/24—Wear-indicating arrangements
    • B60C11/246—Tread wear monitoring systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C19/00—Tyre parts or constructions not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
    • B60C23/06—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle
    • B60C23/064—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle comprising tyre mounted deformation sensors, e.g. to determine road contact area
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/064—Degree of grip
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/068—Road friction coefficient
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
    • B60C19/00—Tyre parts or constructions not otherwise provided for
    • B60C2019/004—Tyre sensors other than for detecting tyre pressure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T2210/00—Detection or estimation of road or environment conditions; Detection or estimation of road shapes
    • B60T2210/10—Detection or estimation of road conditions
    • B60T2210/12—Friction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Tires In General (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Regulating Braking Force (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

为了通过进行适当的路径限制来提高计算速度并且进一步提高路面状态的判断精度，利用开窗部件按时间T对加速度传感器所检测到的轮胎振动的时序波形进行开窗，以提取各时间窗的轮胎振动的时序波形并且计算各时间窗的特征向量Xi；之后，在根据各时间窗的特征向量Xi以及作为根据针对各路面状态所预先确定的轮胎振动的时序波形而计算出的各时间窗的特征向量的路面特征向量Yi来计算核函数KA(X,Y)的情况下，在利用使用测量时的轮胎振动的时序波形中的时序波形长度对应值和预先确定的轮胎振动的时序波形中的时序波形长度对应值的加权参数ω(i,j)对各个路径进行加权之后，计算核函数。

Description

路面状态判断方法
技术领域
本发明涉及用于判断车辆行驶的路面的状态的方法，并且更特别地涉及用于仅使用行驶中的轮胎振动的时序波形的数据来判断路面状态的方法。
背景技术
已存在用于仅使用车辆行驶期间的轮胎振动的时序波形的数据来判断路面状态的传统方法。在用于判断路面状态的这些方法其中之一中使用根据以下特征向量所计算出的核函数：根据通过对轮胎振动的时序波形进行开窗所提取的时序波形而计算出的针对各时间窗的特征向量、以及作为根据针对各路面状态预先确定的轮胎振动的时序波形而计算出的针对各时间窗的特征向量的路面特征向量(例如，参见专利文献1)。
现有技术文献
专利文献
专利文献1：日本特开2014-35279
发明内容
发明要解决的问题
然而，上述方法在进行核函数的计算时，由于考虑到所涉及的所有路径，因此花费了大量时间。此外，由于还计算相似度低的路径，因此路面状态的判断精度不够。
本发明是考虑到上述问题而作出的，并且本发明的目的是通过应用适当的路径限制来提高计算速度、并且进一步提高路面状态的判断精度。
用于解决问题的方案
在本发明的一个方面中，一种用于通过利用轮胎内配置的振动检测部件检测行驶中的轮胎的振动来判断所述轮胎接触的路面的状态的方法，所述方法包括以下步骤：(a)检测行驶中的轮胎的振动；(b)提取所检测到的轮胎振动的时序波形；(c)通过对所述轮胎振动的时序波形应用预定时间宽度的窗函数来提取各时间窗的时序波形；(d)针对所述各时间窗的时序波形计算特征向量；(e)根据步骤(d)中所计算出的特征向量、以及作为根据针对各路面状态预先确定的轮胎振动的时序波形所计算出的各时间窗的特征向量的路面特征向量，来计算核函数；(f)基于使用所述核函数的判别函数的值来判断路面状态，其中：所述核函数是全局比对核函数、动态时间规整核函数或所述核函数的计算值；在步骤(e)中，在利用使用步骤(b)中所提取的轮胎振动的时序波形中的时序波形长度对应值N和预先确定的轮胎振动的时序波形中的时序波形长度对应值M的加权参数ω来对根据所计算出的各时间宽度的特征向量其中之一和所述路面特征向量其中之一而计算出的各个路径元素进行加权之后，计算所述核函数；以及在步骤(f)中，通过比较针对各路面状态所求出的判别函数的值来判断路面状态。
要注意，轮胎振动的时序波形中的时序波形长度对应值(以下称为“时序波形长度对应值”)是与轮胎转动一周的时间长度(诸如轮胎振动的时序波形的轮胎转动一周的时间长度或者轮胎振动的时序波形中的踏入侧峰和蹬出侧峰之间的时间间隔等)相对应的物理量。
附图说明
图1是示出根据本实施方式的路面状态判断设备的构成的功能框图。
图2是示出加速度传感器的安装位置的一个示例的图。
图3是示出轮胎振动的时序波形的一个示例的图。
图4是示出用于根据轮胎振动的时序波形来计算特征向量的方法的图。
图5是示出特征向量的输入空间的示意图。
图6是示出特征向量的输入空间上的、DRY(干燥)路面特征向量和除DRY路面特征向量以外的路面特征向量的图。
图7是示出用于计算传统的GA核的方法的图。
图8是用于说明计算区域宽度和路径限制的图。
图9是示出通过加权的路径限制的一个示例的图。
图10是示出根据本发明的路面状态判断方法的流程图。
图11是示出根据本发明的通过加权的路径限制的另一示例的图。
图12是示出根据本发明的通过加权的路径限制的又一示例的图。
图13是示出特征向量和磨损量之间的关系的图。
图14是示出用于计算DTW核的方法的图。
具体实施方式
以下将基于并不意图限制本发明的权利要求书的范围而是意图例示本发明的优选实施方式来说明本发明。并非实施方式中所述的特征的所有组合对于本发明而言都是必须的。
图1是示出路面状态判断设备10的构成的功能框图。路面状态判断设备10包括作为轮胎振动检测部件的加速度传感器11、振动波形提取部件12、开窗部件13、特征向量计算部件14、存储部件15、核函数计算部件16和路面状态判断部件17。
振动波形提取部件12至路面状态判断部件17的一系列部件例如可以由计算机软件和诸如RAM等的存储器构成。
加速度传感器11如图2所示一体地配置于轮胎20的内衬层21的轮胎气室22侧的大致中央部，并且检测从路面输入的轮胎20的振动。作为加速度传感器11的输出的轮胎振动的信号例如在由放大器进行放大之后被转换成数字信号，然后被发送至振动波形提取部件12。
振动波形提取部件12针对轮胎每转动一周，从加速度传感器11所检测到的轮胎振动的信号中提取轮胎振动的时序波形。
图3是示出轮胎振动的时序波形的一个示例的图。轮胎振动的时序波形在踏入位置附近和蹬出位置附近具有大的峰。此外，在轮胎20的陆部与地面相接触的接地面区域R1之前的区域(踏入前区域Rf)和接地面区域R1之后的区域(蹬出后区域Rk)这两者中，根据路面状态而出现不同的振动。
另一方面，踏入前区域Rf之前的区域和蹬出后区域Rk之后的区域中的振动受到路面的影响较少，使得这些振动表现出低的振动水平并且不包含与路面有关的信息。
在下文，将踏入前区域Rf、接地面区域R1和蹬出后区域Rk称为路面区域，并且将踏入前区域Rf之前的区域和蹬出后区域Rk之后的区域称为路面外区域。
开窗部件13如图4所示按预定时间宽度(还被称为时间窗宽度)T对所提取的时序波形进行开窗，针对各时间窗提取时序波形，并且将这些时序波形发送至特征向量计算部件14。
在针对各时间窗所提取的轮胎振动的时序波形中，如上所述，路面外区域的时序波形包含较少的与路面有关的信息。因此，在本示例中，为了提高核函数的计算速度，没有将路面外区域的时序波形发送至特征向量计算部件14。
要注意，例如，可以将路面外区域定义为具有与针对轮胎振动的时序波形所设置的背景水平相比更低的振动水平的区域。
特征向量计算部件14如图4所示针对各时间窗所提取的时序波形计算特征向量Xi(i＝1～N：N是针对时间窗所提取的时序波形的数量)。
在本示例中，作为特征向量Xi，使用通过使轮胎振动的时序波形分别通过0-1kHz、1-2kHz、2-3kHz、3-4kHz和4-5kHz的带通滤波器所获得的特定频率范围的振动水平(滤波器过滤波的功率值)aik(k＝1～5)。特征向量Xi是(ai1,ai2,ai3,ai4,ai5)，并且特征向量Xi的数量是n个。
图5是示出特征向量Xi的输入空间的示意图。该图的各轴表示作为特征量的特定频率范围的振动水平aik，并且各点表示特征向量Xi。尽管实际的输入空间是5个特定频率范围+1个时间轴的6维空间，但该图是以二维方式(横轴是a1且纵轴是a2)表示的。
因此，例如假设在该输入空间中，可以将包括针对在DRY路面上行驶的车辆所计算出的特征向量Xi的组C与包括针对在SNOW(积雪)路面上行驶的车辆所计算出的特征向量X’i的组C’区分开。然后，可以判断车辆正在DRY路面上还是正在SNOW路面上行驶。
存储部件15存储预先确定的四个路面模型，其中这些路面模型用于使用各自表示分离超平面的判别函数f(x)来将DRY路面与其它路面分离、将WET(潮湿)路面与其它路面分离、将SNOW路面与其它路面分离、以及将ICE(结冰)路面与其它路面分离。
这些路面模型是通过使用路面特征向量YASV(yjk)作为输入数据进行学习所求出的，其中路面特征向量YASV(yjk)是根据通过使具有装配有加速度传感器的轮胎的测试车辆在DRY路面、WET路面、SNOW路面和ICE路面上以各种速度运行所确定的轮胎振动的时序波形而计算出的针对各时间窗的特征向量。
注意，学习时要使用的轮胎大小可以是一种大小或多种大小。
路面特征向量YASV(yjk)的下标A表示DRY、WET、SNOW或ICE。下标j(j＝1～M)表示针对时间窗所提取的时序波形的数量(窗的编号)，并且下标k表示向量的分量(k＝1～n)。即，yjk＝(aj1,aj2,aj3,aj4,aj5)。此外，SV是支持向量的缩写，其表示通过学习所选择的判别边界的附近的数据。
要注意，在如本示例那样、使用全局比对核函数(GA核)或动态时间规整核函数(DTW核)作为核函数的情况下，各路面特征向量YASV(yjk)是“向量yi的维数(这里为5)×窗的数量M”的矩阵。
以下将路面特征向量YASV(yjk)简称为YASV。
用于计算各个路面特征向量YASV的方法与用于计算上述的特征向量Xi的方法相同。例如，如下所述计算DRY路面特征向量YDSV。首先，按时间宽度T对DRY路面上的车辆行驶期间的轮胎振动的时序波形进行开窗。然后，提取各时间窗的轮胎振动的时序波形。并且，针对所提取的各时间窗的时序波形计算DRY路面特征向量YD。注意，DRY路面特征向量YD的向量yi的维数是5，这与特征向量Xi的维数相同。之后，通过利用支持向量机(SVM)将学习YD作为学习数据来选择支持向量YDSV。这里，应当注意，并非所有的YD都必须存储在存储部件15中，而是仅应将所选择的YDSV存储在存储部件15中。
可以以与DRY路面特征向量YDSV相同的方式获得WET路面特征向量YWSV、SNOW路面特征向量YSSV和ICE路面特征向量YISV。
这里，时间宽度T具有与求出特征向量Xj时所使用的时间宽度T相同的值，这点至关重要。如果时间宽度T是固定的，则时间窗的时序波形的数量M根据轮胎类型和车速而改变。即，路面特征向量YASV的时间窗的时序波形的数量M不必与特征向量Xj的时间窗的时序波形的数量N一致。例如，在轮胎类型相同的情况下，如果求出特征向量Xj时的车速比求出DRY路面特征向量YDSV时的车速慢，则M<N，并且如果求出特征向量Xj时的车速比求出DRY路面特征向量YDSV时的车速快，则M>N。
路面模型是使用各路面特征向量YA作为学习数据通过SVM所构建的。
图6是示出输入空间上的DRY路面特征向量YDSV和除DRY路面的特征向量以外的路面特征向量YnDSV的概念图，其中黑色圆圈表示DRY路面特征向量，并且白色圆圈表示除DRY路面的特征向量以外的路面特征向量。
要注意，如已经所述，DRY路面特征向量和除DRY路面的特征向量以外的路面特征向量这两者都是矩阵。为了说明如何求出组之间的判别边界，图6采用二维向量分别示出DRY路面特征向量和除DRY路面的特征向量以外的路面特征向量。
组之间的判别边界通常无法通过线性分离来获得。因此，使用核方法，通过利用非线性映射φ将路面特征向量YDSV和YnDSV映射到高维特征空间来使这两个路面特征向量线性分离。因而，在原始的输入空间中对路面特征向量YDSV和YnDSV进行非线性分类。
更具体地，使用数据的集合X＝(x1,x2,……xn)和附属类z＝{1,-1}来获得用以判别数据的最佳判别函数f(x)＝wTφ(x)–b。
这里，数据是路面特征向量YDj、YnDj，附属类z＝1是该图中利用X1表示的DRY路面数据，并且附属类z＝-1是利用X2表示的除DRY路面的数据以外的路面数据。此外，w是权重系数，b是常数，并且f(x)＝0是判别边界。
例如，通过使用拉格朗日待定乘数法来使判别函数f(x)＝wTφ(x)–b最优化。可以利用以下的表达式(1)和(2)来替换该最优化问题。
公式1
这里，α和β是多个学习数据的指标。此外，λ是拉格朗日乘数，并且λ＞0。
此时，通过利用核函数K(xα,xβ)替换内积φ(xα)φ(xβ)，可以使判别函数f(x)＝wTφ(x)–b呈非线形。要注意，φ(xα)φ(xβ)是在通过映射φ将xα和xβ映射到高维空间之后的内积。
上述等式(2)中的拉格朗日乘数λ可以使用诸如最陡下降法或SMO(sequentialminimal optimization，序列最小优化)等的最优化算法来获得。如此，使用核函数使得不必获得高维内积。因此，可以明显缩短计算时间。
在本示例中，使用全局比对核函数(GA核)作为核函数K(xα,xβ)。
如图7所示，GA核KGA(X,Y)是包括局部核κ(xi,yj)的总和或总积的函数，其中局部核κ(xi,yj)的总和或总积表示R路面的路面特征向量x(xi＝YRi)和除R路面以外的路面特征向量y(yj＝YnRj)之间的相似度。并且，这样使得能够在不同时间长度的时序波形之间进行直接比较。局部核κ(xi,yj)是针对时间宽度T的各窗所求出的。
利用传统的GA核KGA(X,Y)，针对所有可能的比对A(x,y)获得局部核κ(xi,yj)的总和或总积。换句话说，GA核KGA(X,Y)是针对各路径仅针对路径元素κ(xπ1(s),yπ2(s))所计算出的。
以下将包括(xi,yj)的N×M的网格位置(π1(s),π2(s))称为“路径(路径元素)”。
在本示例中，如以下的等式(3)～(6)所示，在利用使用轮胎振动的时序波形中的时序波形长度对应值M和N的加权参数ω(i,j)对上述的局部核κ(xπ1(s),yπ2(s))进行加权之后，计算GA核KGA(X,Y)，其中这些时序波形长度对应值M和N是与预先确定的轮胎振动的时序波形的轮胎转动一周的时间长度相对应的物理量。
公式2
如通过等式(4)所示，加权参数ω(i,j)是由X(这里为R路面)的时序总数(窗的数量)N、Y(这里为除R路面以外)的时序总数(窗的数量)M、X的时序索引(窗编号)i、Y的时序索引(窗编号)j和计算区域宽度Tp所定义的参数。在1-|M·i–N·j|/{Tp(N+M)}超过预定阈值S的情况下，加权参数ω(i,j)＝1-|M·i–N·j|/{Tp(N+M)}，并且在1-|M·i–N·j|/{Tp(N+M)}等于或小于预定阈值S的情况下，ω(i,j)＝0。
如上所述，由于计算区域宽度Tp是恒定的，因此窗的数量M和N依赖于车速(严格而言为车轮转动速度)。即，加权参数ω(i,j)依赖于时序波形长度对应值，诸如获取轮胎振动的时序波形时的轮胎转动速度、轮胎振动的时序波形的长度或轮胎振动的时序波形的峰间距离等。
这样，加权参数ω(i,j)被选择为与时序波形的长度相对应的值。因而，可以提高如下情况下的特征向量Xi,YAj(或Xi,YnAj)之间的相似度(后面要论述的加权后的局部核κ’(xπ1(s),yπ2(s)))的精度：在求出特征向量Xi的情况下的时间窗的时序波形的数量N和在求出路面特征向量YAj(或YnAj)的情况下的时间窗的时序波形的数量M之间存在差异。
要注意，时序波形长度对应值可以是获取轮胎振动的时序波形时的轮胎转动速度、轮胎振动的时序波形的长度和轮胎振动的时序波形的峰间距离中的任一个或多个。
如图8(a)所示，计算区域宽度Tp是由与连接路径(1,1)和(M,N)的直线l0平行的两条直线l1和l2所包围的区域的宽度，并且可以是任意设置的。可以将直线l0表示为η＝(M/N)·ξ，其中：路径(1,1)的左下方点是原点，yπ2(s)的延伸方向是ξ轴，并且xπ1(s)的延伸方向是η轴。此外，可以将直线l1表示为η＝(M/N)·ξ-c，并且可以将直线l2表示为η＝(M/N)·ξ+c。
等式(6)是加权后的局部核κ’(xπ1(s),yπ2(s))的计算公式。在如此进行加权的情况下，在两个时序波形中的一个时序波形的起始端和另一时序波形的结束端处、或者在位于这两个时序波形附近的路径中，加权参数ω(i,j)为0。并且，在两个时序波形基本位于相同位置的直线η＝(M/N)·ξ附近的路径中，加权参数ω(i,j)为1-|M·i–N·j|/{Tp(N+M)}。
因此，仅在图8(b)所示的白色路径中而不是在阴影路径中计算GA核KGA(X,Y)。结果，可以有效地减少要计算的路径的数量。同时，不使用没有促成相似度的判断的作为噪声的路径来进行计算，从而进一步提高了判断精度。
要注意，在上述等式(4)中，可以省略计算区域宽度Tp。或者，如后面将说明的，可以仅使用计算区域宽度Tp来设置加权参数ω(i,j)。
或者，代替上述等式(4)，可以使用κ”(i,j)＝ω(i,j)·κ(i,j)作为加权后的局部核。
可以通过向作为DRY路面特征向量YDj和除DRY路面的特征向量以外的路面特征向量YnDj之间的分离超平面的判别函数f(x)赋予余量，来高度精确地使DRY路面和除DRY路面以外的路面彼此区分开。
如这里所使用的余量是从分离超平面到最近样本(支持向量)的距离。作为判别边界的分离超平面是f(x)＝0。并且，DRY路面特征向量YDj全部在f(x)≧+1的区域中，而除DRY路面的特征向量以外的路面特征向量YnDj在f(x)≦-1的区域中。
用于将DRY路面与其它路面区分开的DRY路面模型是具有f(x)＝+1的距离处的支持向量YDSV和f(x)＝-1的距离处的支持向量YnDSV的输入空间。通常存在多个YDSV和YnDSV。
这同样适用于用于将WET路面与其它路面区分开的WET路面模型、用于将SNOW路面与其它路面区分开的SNOW路面模型和用于将ICE路面与其它路面区分开的ICE路面模型。
包括加权参数计算部161和核函数计算部162的核函数计算部件16根据特征向量计算部件14所计算出的特征向量Xi以及存储部件15中所存储的DRY模型、WET模型、SNOW模型和ICE模型的支持向量YASV和YnASV(A＝D,W,S,I)，来计算各个GA核KD(X,Y)、KW(X,Y)、KS(X,Y)和KI(X,Y)。
加权参数计算部161使用上述等式(4)，根据特征向量Xi的时间窗的数量N、路面特征向量YAj的时间窗的数量M和预定的计算区域宽度Tp来计算路径(i,j)中的加权参数ω(i,j)。
核函数计算部162根据局部核κ(xπ1(s),yπ2(s))(其中，xπ1(s)是特征向量Xi并且yπ2(s)是路面特征向量YAj、YnAj)和加权参数计算部161所计算出的加权参数ω(i,j)计算加权后的局部核κ’(xπ1(s),yπ2(s))。同时，核函数计算部162仅针对加权参数ω(i,j)不为0的路径求出局部核κ’(xπ1(s),yπ2(s))的总和或总积，并且将该总和或总积判断为R路面的GA核函数KR(X,Y)。
图9是示出利用加权参数ω(i,j)的路径限制的一个示例的图。特征向量Xi的时间窗的数量是N＝8，并且路面特征向量YAj的时间窗的数量是M＝16。该图中的黑色部分表示ω(i,j)＝0，并且路径越明亮，ω(i,j)将越大。
这样基于加权参数ω(i,j)的路径限制将有效地减少要计算的路径数量，由此大幅提高计算速度。
此外，黑色路径作为没有促成相似度的判断的噪声而没有用在计算中。并且，仅使用两个时序波形基本位于相同位置的相似度高的路径来获得核函数KR(X,Y)。这将提高核函数KR(X,Y)的可靠性。
此外，在本示例中，加权参数ω(i,j)是依赖于时间窗的数量M和N的值。在获取特征向量Xi时的时间窗的时序波形的数量N和获取路面特征向量YAj(或YnAj)时的时间窗的时序波形的数量M之间存在差异的情况下，这种加权特别有效。
如以下的等式(7)～(10)所示，路面状态判断部件17分别基于使用核函数KA(X,Y)的四个判别函数fA(x)的值来判断路面状态(A＝D,W,S,I)。
公式3
其中：fD是用于将DRY路面与其它路面区分开的判别函数，fW是用于将WET路面与其它路面区分开的判别函数，fS是用于将SNOW路面与其它路面区分开的判别函数，fI并且是用于将ICE路面与其它路面区分开的判别函数。
此外，NDSV是DRY模型的支持向量的数量，NWSV是WET模型的支持向量的数量，NSSV是SNOW模型的支持向量的数量，并且NISV是ICE模型的支持向量的数量。
判别函数的拉格朗日乘数λD的值例如是通过在求出用于将R路面与其它路面区分开的判别函数时进行学习所获得的。
在本示例中，分别计算判别函数fD、fW、fS和fI，并且根据所计算出的判别函数fA中的示出最大值的判别函数来判断路面状态。
接着，将通过参考图10的流程图来说明用于通过使用路面状态判断设备10来判断轮胎2正行驶的路面的状态的方法。
首先，利用加速度传感器11检测由来自轮胎20正行驶的路面的输入引起的振动(步骤S10)。并且，从所检测到的轮胎振动的信号中提取轮胎振动的时序波形(步骤S11)。
然后，按预定时间宽度T对所求出的轮胎振动的时序波形进行开窗，并且获得针对各时间窗的时序波形。这里，假定针对各时间窗的轮胎振动的时序波形的数量是M个(步骤S12)。
接着，针对所提取的各时间窗的时序波形计算特征向量Xi＝(xi1,xi2,xi3,xi4,xi5)(步骤S13)。
如已经所述，特征向量Xi的分量xi1～xik(k＝1～5)是轮胎振动的时序波形的滤波器过滤波的功率值。
接着，根据所计算出的特征向量Xi和存储部件15中所存储的路面模型的支持向量YAk来计算局部核κ(xπ1(s),yπ2(s))，同时计算加权参数ω(i,j)(步骤S14)。
并且，根据所计算出的局部核κ(xπ1(s),yπ2(s))和加权参数ω(i,j)来计算加权后的局部核κ’(xπ1(s),yπ2(s))(步骤S15)。然后，获得加权后的局部核κ’(xπ1(s),yπ2(s))的总和或总积，并且判断为该总和或总积是R路面的GA核函数KR(X,Y)(步骤S16)。
接着，分别计算使用核函数KA(X,Y)的四个判别函数fD(x)、fW(x)、fS(x)和fI(x)(步骤S17)。然后，将所计算出的判别函数fA(x)的值彼此比较，并且将示出最大值的判别函数的路面状态判断为轮胎20正行驶的路面的状态(步骤S18)。
在本实施方式中，如迄今为止所述，在计算核函数核KR(X,Y)时，根据特征向量Xi的时间窗的数量N、路面特征向量YAj的时间窗的数量M和预先确定的计算区域宽度Tp来计算路径(i,j)中的加权参数ω(i,j)。并且，根据加权参数ω(i,j)和局部核κ(xπ1(s),yπ2(s))来计算加权后的局部核κ’(xπ1(s),yπ2(s))。同时，仅针对加权参数ω(i,j)不为0的路径获得局部核κ’(xπ1(s),yπ2(s))的总和或总积，并且将该总和或总积判断为R路面的GA核函数KR(X,Y)。结果，可以大幅提高计算速度，并且还可以提高核函数KR(X,Y)的可靠性。
此外，加权参数ω(i,j)是依赖于测量时的轮胎振动的时序波形的时序波形长度对应值和轮胎振动的时序波形的预先确定的时序波形长度对应值M的值。因此，还可以提高局部核κ’(xπ1(s),yπ2(s))的可靠性。
在上述说明书中，已经参考本发明的具体实施方式说明了本发明。然而，本发明的技术范围不应被视为局限于这些实施方式。本领域技术人员将显而易见，可以在没有背离本发明的更广精神和范围的情况下对本发明作出各种修改和改变。根据所附权利要求书的范围还应当显而易见，所有这些修改均意图包括在本发明的技术范围内。
例如，在上述实施方式中，针对各个路径(i,j)进行基于时序波形长度对应值M和N的加权。然而，可以仅使用计算区域宽度Tp来执行路径限制。
更具体地，如图11所示，可以将由与连接路径(1,1)和(M,N)的直线j＝(M/N)·i平行的两条直线(η＝(M/N)·ξ±c)包围的区域R内的路径(p,q)中的加权参数ω(p,q)设置为“1”，并且将区域R外的路径(p’,q)中的加权参数ω(p’,q’)设置为“0”。
此外，代替时序波形长度对应值M和N，可以使用轮胎振动波形中的踏入侧峰和蹬出侧峰来进行路径限制。
更具体地，如图12所示，与包含踏入侧峰的特征向量x3和包含踏入侧峰的路面特征向量y7相对应的路径(3,7)、以及与包含蹬出侧峰的特征向量x5和包含蹬出侧峰的路面特征向量y10相对应的路径(5,10)可被判断为路径的必须中继点。并且，可以使用(xi,yj)的16×8个网格中的如下仅三个区域来计算核函数：具有连接起点(1,1)和路径(3,7)的对角线的矩形区域R、具有连接路径(3,7)和路径(5,10)的对角线的矩形区域R2、以及具有连接路径(5,10)和终点(8,16)的对角线的矩形区域R3。
此外，如该图所示，在各个区域R1～R3内，可以基于时序波形长度对应值M和N或者仅使用计算区域宽度Tp来进一步执行路径限制。
此外，在上述实施方式中，已经将轮胎振动检测部件作为加速度传感器11进行了说明。然而，轮胎振动检测部件可以是诸如压力传感器等的任何其它振动检测部件。此外，加速度传感器11可以位于除所述位置以外的位置，诸如与轮胎的轴向中心相距给定轴向距离的位置中的每一个位置等。此外，加速度传感器11的数量不限于一个，而且可以在轮胎圆周方向的多个位置中配置多个加速度传感器11。
此外，在上述示例中，特征向量Xi是滤波器过滤波的功率值xik。但还可以使用滤波器过滤波的功率值xik的时变分散作为特征向量Xi。可以将时变分散表示为Log[xik(t)2+xik(t-1)2]。
或者，特征向量Xi可以是作为在对轮胎振动的时序波形进行傅立叶变换时的特定频率范围的振动水平的傅立叶系数、或者倒谱系数。
倒谱系数可以是通过以下操作所获得的：通过假定傅立叶变换之后的波形作为谱波形来再次对该波形进行傅立叶变换、或者通过假定AR谱作为波形来进一步获得AR系数(LPC倒谱)，并且这些倒谱系数可以在不受绝对水平影响的情况下表现谱的形状的特征。因而，与使用通过傅立叶变换所求出的频率谱相比，提高了判断精度。
此外，在上述实施方式中，所采用的特征向量Xi是倒谱系数、或者轮胎振动的时序波形的滤波器过滤波的功率值或其时变分散。然而，可以采用根据特征向量Xi的各个元素aik和轮胎磨损量所计算出的计算值作为新的特征向量XMi。然后，即使在涉及轮胎磨损的情况下，也可以以良好的精度判断路面状态。
如图13(a)～13(c)所示，特征向量Xi的各个元素aik根据磨损进展而改变。在这些图中，横轴是磨损量[mm]，并且纵轴是各个频率范围中的振动水平[指数]。
在本示例中，使用在多项式中近似的、表示作为特征向量Xi的元素aik的振动水平的变化的值bk作为新的特征向量XMi。同时，根据特征向量XMi以及DRY模型、WET模型、SNOW模型和ICE模型的支持向量YASV,YnASV(A＝D,W,S,I)来分别计算GA核KD(X,Y)、KW(X,Y)、KS(X,Y)、KI(X,Y)。然后，通过使用利用SVM所学***的变化的值。
作为替代，可以向特征向量Xi的元素aik加上轮胎磨损量。同样，在这种情况下，预先准备表示多个磨损水平的轮胎，并且在不同的路面状态中测量轮胎振动。并且，可以利用诸如SVM等的机器学习技术来根据所求出的轮胎振动的数据获得判别函数。要采用的机器学习技术可以是Fisher判别最小二乘方法等。
此外，可以使用判别函数的系数作为轮胎磨损量的函数，以考虑到轮胎磨损量来进行路面状态的判断。
在任意上述情况中，可以在无需准备针对各磨损量的图表的情况下执行考虑到轮胎磨损的路面状态的判断。因而，可以提高计算速度，并且可以防止伴随有存储器增大的成本上升。
此外，在上述实施方式中，使用GA核作为核函数。但作为代替，如以下的等式(11)或等式(12)所示，可以使用动态时间规整核函数(DTW核)。
公式4
或者
其中，π是路径并且A(xi,xj)是所有可能的路径。
如图14所示，DTW核K’(X,Y)包括例如在获得局部核Kij(Xi,Yj)的总和时、如利用粗实线所示的所有路径中的K’ij(Xi,Yj)的总和变为最大或最小的路径的总和。
此时，可以应用采用与上述实施方式相同的方式的路径限制，然后可以获得所有路径中的κ’ij(Xi,Yj)的总和最大或最小的路径的总和。然后，可以大幅提高计算速度，并且还可以提高可靠性。
实施例1
使各自配备有安装了加速度传感器的轮胎的测试车辆在DRY、WET、SNOW和ICE的各路面上按30～90km/h的速度行驶。然后，根据如此获得的轮胎振动的时序波形来计算核函数。并且，使用利用SVM模型所学习的模型来判断路面状态，并且在30km/h和90km/h这两个点处测量计算速度。以下的表1示出30km/h和90km/h处的测量结果。
表1
轮胎速度 计算时间/转动时间 判断精度
30km/h 2.1 96.3
90km/h 1.1 96.3
构建分别用于判断DRY和其它路面状态、WET和其它路面状态、SNOW和其它路面状态以及ICE和其它路面状态的四个SVM模型。并且，在各个模型中输入除学习时所使用的数据以外的测试数据时表现出最高SVM得分的模型的路面状态被判断为车辆正行驶的路面的状态。
测试车辆是前轮驱动车辆，并且轮胎大小是165/70R14。
注意，所使用的轮胎的胎面图案是BLIZZK REV02(普利斯通)。
学习时所使用的数据占所获得的总数据的2/3，并且使用其余的1/3作为精度计算所用的数据。
计算速度是将计算时间除以转动时间，并且计算环境是OS:Windows(注册商标)7Professional SP1,CPU:Intel(R)Core i7-3540M,RAM:16GB。
如通过表1显而易见，在各个速度处，正确判断的百分比为96％以上。
此外，在车速缓慢的情况下、即在窗的数量大的情况下，可以在轮胎的约两周转动的时间内判断路面状态。这样确认实现了路面状态的高速判断。
实施例2
向磨损量不同的多个轮胎(新轮胎、存在1mm磨损的轮胎、存在3mm磨损的轮胎、存在5mm磨损的轮胎)各自安装加速度传感器，并且使装配有这些轮胎的车辆在DRY、WET、SNOW和ICE的各路面上按30～90km/h行驶。以下的表2示出根据如此获得的轮胎振动的时序波形计算核函数并且使用利用SVM模型所学习的模型来判断路面状态的结果。
在实施例1中，根据带通滤波器过滤波的功率值和磨损量来构建特征向量X，并且使用利用SVM所学习的模型来判断路面状态。在实施例2中，所采用的特征向量X是利用预先确定的近似公式来将随着磨损进展而改变的带通滤波器过滤波的功率值转换成新轮胎的功率值，并且使用利用SVM所学习的模型来判断路面状态。
作为参考，还示出用于使用无需考虑磨损的特征向量来判断路面状态的传统方法的结果。
表2
构建分别用于判断DRY和其它路面状态、WET和其它路面状态、SNOW和其它路面状态以及ICE和其它路面状态的四个SVM模型。并且，在各个模型中输入除学习时所使用的数据以外的测试数据时表现出最高SVM得分的模型的路面状态被判断为车辆正行驶的路面的状态。
测试车辆是前轮驱动车辆，并且轮胎大小是165/70R14。
注意，所使用的轮胎的胎面图案是BLIZZK REV02(普利斯通)。
学习时所使用的数据占所获得的总数据的2/3，并且使用其余的1/3作为精度计算所用的数据。
如通过表2显而易见，利用传统方法，正确判断的百分比伴随着磨损的进展而下降，而对于考虑到磨损的实施例1和2，正确判断的百分比高达约90％以上。利用该结果确认了本发明在应用时，即使在轮胎磨损处于进展阶段的情况下也可以提供高度精确的路面状态判断。
本发明的一个方面提供一种用于通过利用轮胎内配置的振动检测部件检测行驶中的轮胎的振动来判断所述轮胎接触的路面的状态的方法，所述方法包括以下步骤：(a)检测行驶中的轮胎的振动；(b)提取所检测到的轮胎振动的时序波形；(c)通过对所述轮胎振动的时序波形进行预定时间宽度的开窗来提取各时间窗的时序波形；(d)针对所述各时间窗的时序波形计算特征向量；(e)根据步骤(d)中所计算出的特征向量、以及作为根据针对各路面状态预先确定的轮胎振动的时序波形所计算出的各时间窗的特征向量的路面特征向量，来计算核函数；(f)基于使用所述核函数的判别函数的值来判断路面状态，其中：所述核函数是全局比对核函数、动态时间规整核函数或所述核函数的计算值；在步骤(e)中，在利用使用步骤(b)中所提取的轮胎振动的时序波形中的时序波形长度对应值N和预先确定的轮胎振动的时序波形中的时序波形长度对应值M的加权参数ω来对根据所计算出的各时间宽度的特征向量其中之一和所述路面特征向量其中之一而计算出的各个路径元素进行加权之后，计算所述核函数；以及在步骤(f)中，通过比较针对各路面状态所求出的判别函数的值来判断路面状态。
要注意，轮胎振动的时序波形中的时序波形长度对应值(以下称为“时序波形长度对应值”)是与轮胎转动一周的时间长度相对应的物理量，诸如轮胎振动的时序波形的轮胎转动一周的时间长度或者轮胎振动的时序波形中的踏入侧峰和蹬出侧峰之间的时间间隔等。
这样，在计算核函数K(X,Y)时，不使用没有促成相似度的判断的作为噪声的路径元素作为计算核函数时的路径元素。结果，可以提高路面状态的判断精度，同时可以提高计算速度。这样使得可以实时地判断路面状态。此外，利用使用时序波形长度对应值N和M的加权参数ω来进行加权。因而，即使在所计算出的针对各时间宽度的特征向量的总数和路面特征向量的总数之间存在差异的情况下，也可以使路径元素的加权最优化。因此，可以提高路面状态的判断精度。
要注意，要采用的特征向量Xi可以是通过开窗所提取的各时间窗中的时序波形的特定频率范围的振动水平、特定频率范围的振动水平的时变分散和时序波形的倒谱系数中的任一个、两个或全部。
此外，特定频率范围的振动水平是根据通过开窗所提取的各时间窗的时间序列波形的频率谱而获得的、或者通过使通过开窗所获得的各时间窗的时序波形通过带通滤波器所获得的时序波形而获得的。然而，特定频率范围的振动水平可以是根据通过对通过使轮胎振动的时序波形通过带通滤波器所获得的时序波形进行开窗所提取的各时间窗的时序波形而获得的。
此外，时序波形长度对应值M和N可以是作为与针对各时间宽度的特征向量的总数相对应的参数的、轮胎振动的时序波形的长度、获取轮胎振动的时序波形时的轮胎转动速度和轮胎振动的时序波形的峰间距离中的任一个或多个，或者轮胎振动的时序波形的长度、获取轮胎振动的时序波形时的轮胎转动速度和轮胎振动的时序波形的峰间距离中的任一个或多个的计算值。然后，可以容易且精确地进行在所计算出的针对各时间宽度的特征向量的总数和路面特征向量的总数之间的差的情况下的加权。
此外，本发明的另一方面提供一种方法，其中，在步骤(e)中，用于计算核函数的路径仅是通过与以下的路径元素相对应的路径中的一个或这两者的路径：与包括踏入侧峰的特征向量Xf和包括踏入侧峰的路面特征向量Yf相对应的路径元素(Xf,Yf)、以及与包括蹬出侧峰的特征向量Xk和包括蹬出侧峰的路面特征向量Yk相对应的路径元素(Xk,Yk)。
这样，在计算核函数时可以仅使用通过与时序波形中的峰相对应的路径元素的路径。因而，可以使用较少的路径数量来获得更加精确的相似度。结果，可以明显缩短计算所用的时间，并且可以容易地提高路面状态的判断精度。
此外，可以向特征向量的分量加上轮胎磨损量。或者，要采用的特征向量的分量可以是轮胎磨损量和根据各时间窗的时序波形分别计算出的特征向量的计算值。或者，判别函数的系数可以是轮胎磨损量的函数。这样，可以使用轮胎磨损量来判断路面状态。然后，可以进一步提高路面状态的判断精度。同时，由于不再需要针对各磨损量判断路面状态，因此可以更高效率地进行路面状态的判断。
本发明的上述说明没有记载本发明的所有必要特征，并且应当理解，这些特征群的任何子组合均落在本发明的范围内。
附图标记说明
10 路面状态判断设备
11 加速度传感器
12 振动波形提取部件
13 开窗部件
14 特征向量计算部件
15 存储部件
16 核函数计算部件
161 加权参数计算部
162 核函数计算部
17 路面状态判断部件
20 轮胎
21 内衬层
22 轮胎气室

Claims (6)

1.一种路面状态判断方法，用于通过利用轮胎内配置的振动检测部件检测行驶中的轮胎的振动来判断所述轮胎接触的路面的状态，所述路面状态判断方法包括以下步骤：
(a)检测行驶中的轮胎的振动；
(b)提取所检测到的轮胎振动的时序波形；
(c)通过对所述轮胎振动的时序波形应用预定时间宽度的窗函数来提取各时间窗的时序波形；
(d)根据所述各时间窗的时序波形分别计算特征向量；
(e)根据步骤(d)中所计算出的各时间窗的特征向量、以及作为根据针对各路面状态预先确定的轮胎振动的时序波形所计算出的各时间窗的特征向量的路面特征向量，来计算核函数；
(f)基于使用所述核函数的判别函数的值来判断路面状态，
其中，所述核函数是全局比对核函数、动态时间规整核函数或所述核函数的计算值，
在步骤(e)中，在利用使用步骤(b)中所提取的轮胎振动的时序波形中的时序波形长度对应值和预先确定的轮胎振动的时序波形中的时序波形长度对应值的加权参数ω，来对根据所述各时间窗的时序波形所分别计算出的各时间窗的特征向量其中之一和所述路面特征向量其中之一而计算出的各个路径元素进行加权之后，计算所述核函数，以及
在步骤(f)中，通过比较针对各路面状态所求出的判别函数的值来判断路面状态。
2.根据权利要求1所述的路面状态判断方法，其中，所述时序波形长度对应值是轮胎振动的时序波形的长度、获取轮胎振动的时序波形时的轮胎转动速度、以及轮胎振动的时序波形的峰间距离中的任一个或多个，或者是轮胎振动的时序波形的长度、获取轮胎振动的时序波形时的轮胎转动速度、以及轮胎振动的时序波形的峰间距离中的任一个或多个的计算值。
3.根据权利要求1或2所述的路面状态判断方法，其中，在步骤(e)中，用于计算核函数的路径仅是通过以下两个路径元素中的一者或这两者的路径：与包括踏入侧峰的特征向量和包括踏入侧峰的路面特征向量相对应的路径元素、以及与包括蹬出侧峰的特征向量和包括蹬出侧峰的路面特征向量相对应的路径元素。
4.根据权利要求1或2所述的路面状态判断方法，其中，向根据所述各时间窗的时序波形所分别计算出的各时间窗的特征向量的分量加上轮胎磨损量。
5.根据权利要求1或2所述的路面状态判断方法，其中，根据所述各时间窗的时序波形所分别计算出的各时间窗的特征向量的分量是轮胎磨损量和根据所述各时间窗的时序波形分别计算出的特征向量的计算值。
6.根据权利要求1或2所述的路面状态判断方法，其中，所述判别函数的系数是轮胎磨损量的函数。
CN201580073950.XA 2014-12-05 2015-11-17 路面状态判断方法 Active CN107207009B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014-247254 2014-12-05
JP2014247254A JP6450170B2 (ja) 2014-12-05 2014-12-05 路面状態判別方法
PCT/JP2015/082236 WO2016088548A1 (ja) 2014-12-05 2015-11-17 路面状態判別方法

Publications (2)

Publication Number Publication Date
CN107207009A CN107207009A (zh) 2017-09-26
CN107207009B true CN107207009B (zh) 2019-10-18

Family

ID=56091498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580073950.XA Active CN107207009B (zh) 2014-12-05 2015-11-17 路面状态判断方法

Country Status (5)

Country Link
US (1) US10525777B2 (zh)
EP (1) EP3228515B1 (zh)
JP (1) JP6450170B2 (zh)
CN (1) CN107207009B (zh)
WO (1) WO2016088548A1 (zh)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017116991A (ja) * 2015-12-21 2017-06-29 京セラ株式会社 携帯端末および車両
US10872379B1 (en) 2016-04-11 2020-12-22 State Farm Mutual Automobile Insurance Company Collision risk-based engagement and disengagement of autonomous control of a vehicle
US11851041B1 (en) * 2016-04-11 2023-12-26 State Farm Mutual Automobile Insurance Company System for determining road slipperiness in bad weather conditions
US10222228B1 (en) 2016-04-11 2019-03-05 State Farm Mutual Automobile Insurance Company System for driver's education
JP6734713B2 (ja) * 2016-06-30 2020-08-05 株式会社ブリヂストン 路面状態判別方法
JP2018004418A (ja) * 2016-06-30 2018-01-11 株式会社ブリヂストン 路面状態判別方法
JP6620787B2 (ja) * 2016-08-11 2019-12-18 株式会社デンソー 路面状態推定装置
HUE054879T2 (hu) * 2016-12-06 2021-10-28 Pieper Joerg Eljárás és berendezés jármû legalább egy abroncsa kopásának megállapítására
JP6624152B2 (ja) 2017-04-26 2019-12-25 株式会社Ｓｏｋｅｎ タイヤ側装置およびそれを含むタイヤ装置
JP6783184B2 (ja) 2017-05-12 2020-11-11 株式会社ブリヂストン 路面状態判別方法及び路面状態判別装置
JP2019001367A (ja) * 2017-06-16 2019-01-10 株式会社ブリヂストン 路面状態判別方法及び路面状態判別装置
JP6930355B2 (ja) * 2017-10-11 2021-09-01 株式会社Ｓｏｋｅｎ 路面状態判別装置およびそれを備えたタイヤシステム
JP6828716B2 (ja) 2017-10-30 2021-02-10 株式会社デンソー 路面状態推定装置
JP6733707B2 (ja) 2017-10-30 2020-08-05 株式会社デンソー 路面状態判別装置およびそれを備えたタイヤシステム
JP2019089532A (ja) 2017-11-10 2019-06-13 株式会社デンソー 路面状態判別装置
WO2019093437A1 (ja) * 2017-11-10 2019-05-16 株式会社デンソー 路面状態判別装置
JP6915507B2 (ja) 2017-11-23 2021-08-04 株式会社デンソー 路面状態判別装置
JP6946970B2 (ja) 2017-11-23 2021-10-13 株式会社デンソー 路面状態判別装置
JP7115060B2 (ja) * 2017-12-27 2022-08-09 株式会社デンソー 路面状態判別装置
WO2019131568A1 (ja) * 2017-12-27 2019-07-04 株式会社デンソー 路面状態判別装置
JP6791114B2 (ja) 2017-12-28 2020-11-25 株式会社Ｓｏｋｅｎ 路面状態判別装置
JP6969399B2 (ja) * 2018-01-19 2021-11-24 株式会社Soken タイヤシステム
JP7091877B2 (ja) 2018-01-19 2022-06-28 株式会社デンソー タイヤシステム
CN108340922B (zh) * 2018-02-12 2020-06-05 北京搜狐新媒体信息技术有限公司 确定路面路况的方法和装置
CN108777067B (zh) * 2018-06-07 2021-04-02 郑州云海信息技术有限公司 一种道路健康度监测方法及***
JP2019218023A (ja) * 2018-06-22 2019-12-26 株式会社ブリヂストン 路面状態判別方法及び路面状態判別装置
JP2019218026A (ja) * 2018-06-22 2019-12-26 株式会社ブリヂストン 路面状態判別方法及び路面状態判別装置
JP6961539B2 (ja) * 2018-06-22 2021-11-05 株式会社ブリヂストン 路面状態判別方法及び路面状態判別装置
JP7070155B2 (ja) * 2018-06-27 2022-05-18 株式会社デンソー 路面状態判別装置およびそれを備えるタイヤシステム
JP7112909B2 (ja) * 2018-08-09 2022-08-04 株式会社ブリヂストン タイヤ種判別方法及びタイヤ種判別装置
JP6790142B2 (ja) * 2019-01-31 2020-11-25 Ｔｏｙｏ Ｔｉｒｅ株式会社 タイヤ力推定システムおよびタイヤ力推定方法
KR102267901B1 (ko) * 2019-10-02 2021-06-24 한국타이어앤테크놀로지 주식회사 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법
FR3134749B1 (fr) * 2022-04-21 2024-03-08 Continental Automotive Gmbh Procédé de détermination de l’usure d’un pneumatique

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102837702A (zh) * 2011-06-24 2012-12-26 株式会社普利司通 路面状态判断方法及路面状态判断装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7549327B2 (en) * 2001-02-16 2009-06-23 Automotive Technologies International, Inc. Tire-mounted energy generator and monitor
JP4027585B2 (ja) * 2000-11-24 2007-12-26 トヨタ自動車株式会社 物理量推定装置及び路面摩擦状態推定装置
JP3700975B2 (ja) * 2002-12-17 2005-09-28 本田技研工業株式会社 ハイドロプレーニング検出装置
JP4817753B2 (ja) * 2005-08-22 2011-11-16 株式会社ブリヂストン 路面状態推定方法、路面状態推定装置、及び、車両制御装置
JP2007099245A (ja) 2005-10-07 2007-04-19 Toyota Motor Corp 路面状態推定装置および路面状態推定方法
JP5072463B2 (ja) * 2007-07-11 2012-11-14 株式会社ブリヂストン タイヤの摩耗検知方法及びタイヤの摩耗検知装置
DE102007039242A1 (de) * 2007-08-20 2009-02-26 Robert Bosch Gmbh Verfahren zum Betrieb eines Sensors an oder in einem Fahrzeugreifen und Sensoranordnung
JP5553303B2 (ja) * 2010-02-18 2014-07-16 株式会社デルタツーリング 生体状態推定装置及びコンピュータプログラム
JP5657917B2 (ja) * 2010-05-19 2015-01-21 株式会社ブリヂストン 路面状態推定方法
JP5733499B2 (ja) * 2010-10-29 2015-06-10 株式会社デルタツーリング 生体状態推定装置及びコンピュータプログラム
WO2012162241A2 (en) * 2011-05-20 2012-11-29 Northeastern University Real-time wireless dynamic tire pressure sensor and energy harvesting system
JP5937921B2 (ja) * 2012-08-09 2016-06-22 株式会社ブリヂストン 路面状態判別方法とその装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102837702A (zh) * 2011-06-24 2012-12-26 株式会社普利司通 路面状态判断方法及路面状态判断装置

Also Published As

Publication number Publication date
US10525777B2 (en) 2020-01-07
JP2016107833A (ja) 2016-06-20
EP3228515A4 (en) 2017-11-15
JP6450170B2 (ja) 2019-01-09
CN107207009A (zh) 2017-09-26
WO2016088548A1 (ja) 2016-06-09
US20180264894A1 (en) 2018-09-20
EP3228515B1 (en) 2019-01-23
EP3228515A1 (en) 2017-10-11

Similar Documents

Publication Publication Date Title
CN107207009B (zh) 路面状态判断方法
CN104540717B (zh) 路面状态判断方法和设备
CN109477906B (zh) 路面状态判别方法和路面状态判别装置
JP2017505430A (ja) 道路及びタイヤの状態を音響検出する方法
JP5956250B2 (ja) タイヤ偏摩耗検知方法及びタイヤ偏摩耗検知装置
CN109416412B (zh) 路面状态判别方法
JP6783184B2 (ja) 路面状態判別方法及び路面状態判別装置
JP7096871B2 (ja) 路面状態推定装置及びそれを用いた路面状態推定方法
JP2018004417A (ja) 路面状態判別方法及び路面状態判別装置
JP7112909B2 (ja) タイヤ種判別方法及びタイヤ種判別装置
WO2018230181A1 (ja) 路面状態判別方法及び路面状態判別装置
CN114541222B (zh) 基于多车众筹振动数据的路网级路面平整度检测方法
JP7030532B2 (ja) 路面状態判別方法及び路面状態判別装置
JP6961539B2 (ja) 路面状態判別方法及び路面状態判別装置
WO2019244380A1 (ja) 路面状態判別方法及び路面状態判別装置
CN114399739A (zh) 基于XGBoost模型的路况感知方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant