JP2014035279A - 路面状態判別方法とその装置 - Google Patents
路面状態判別方法とその装置 Download PDFInfo
- Publication number
- JP2014035279A JP2014035279A JP2012176779A JP2012176779A JP2014035279A JP 2014035279 A JP2014035279 A JP 2014035279A JP 2012176779 A JP2012176779 A JP 2012176779A JP 2012176779 A JP2012176779 A JP 2012176779A JP 2014035279 A JP2014035279 A JP 2014035279A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- time
- tire
- feature vector
- vibration
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 16
- 239000013598 vector Substances 0.000 claims abstract description 129
- 230000006870 function Effects 0.000 claims abstract description 82
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 abstract description 14
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- B60C99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- 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
- B60C2200/00—Tyres specially adapted for particular applications
- B60C2200/04—Tyres specially adapted for particular applications for road vehicles, e.g. passenger cars
-
- 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
- B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
- B60W2530/20—Tyre data
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Tires In General (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
【解決手段】加速度センサーにより検出したタイヤ振動の時系列波形を窓掛け手段により窓掛けして、時間窓毎のタイヤ振動の時系列波形を抽出して時間窓毎の特徴ベクトルを算出した後、時間窓毎の特徴ベクトルと、予め算出しておいた路面状態毎に求められたタイヤ振動の時系列波形から算出された時間窓毎の特徴ベクトルである路面特徴ベクトルとからカーネル関数を算出し、このカーネル関数を用いた識別関数の値を比較して路面状態を判別するようにした。
【選択図】図8
Description
また、タイヤのサイズが異なるタイヤでは、接地長が変化するため、タイヤサイズ毎に領域幅を設定し直す必要があった。
このように、タイヤ振動の時系列波形に窓関数をかけて抽出した時系列波形から算出した時間窓i毎の特徴ベクトルXiと、DRY路面の特徴ベクトルYDjやWET路面の特徴ベクトルYWjなどの予め路面状態毎に求めておいたタイヤ振動の時系列波形から算出された時間窓j毎の路面特徴ベクトルYkjとから算出したカーネル関数K(X,Y)を用いて路面状態を判別するようにしたので、接地時間や接地長に無関係に路面状態の判別を行うことができる。したがって、車輪速の計測を行うことなく路面状態を判別できるとともに、タイヤサイズ変更に対するロバスト性を路面状態の判別に付与することができる。
なお、前記特定周波数帯域の振動レベルは、前記窓関数をかけて抽出した時間窓毎の時系列波形の周波数スペクトル、もしくは、前記窓関数をかけて抽出した時間窓毎の時系列波形をバンドパスフィルタを通して得られた時系列波形から求められる。
タイヤの振動の路面状態による違いはタイヤ振動の時系列波形そのものにも表れるが、本発明では、時系列波形そのものよりも路面状態の違いをより反映するファクターである周波数に依存する値を特徴ベクトルとして用いたので、路面状態の判別精度を更に向上させることができる。
このように、カーネル関数として、GAカーネルやDTWカーネルを用いれば、時系列波形を直接扱えるので、路面状態の判別精度を更に向上させることができる。
このような構成を採ることにより、請求項1に記載の路面状態判別方法を確実に実現することができるので、接地時間や接地長に無関係に路面状態を判別できるとともに、路面状態の判別精度を向上させることのできる路面状態判別装置を得ることができる。
路面状態判別装置10は、タイヤ振動検出手段としての加速度センサー11と、振動波形抽出手段12と、窓掛け手段13と、特徴ベクトル算出手段14と、記憶手段15と、カーネル関数算出手段16と、路面状態判別手段17とを備える。
振動波形抽出手段12〜路面状態判別手段17の各手段は、例えば、コンピュータのソフトウェア、及び、RAM等のメモリーから構成される。
加速度センサー11は、図2に示すように、タイヤ20のインナーライナー部21のタイヤ気室22側のほぼ中央部に一体に配置されて、路面Rの入力による当該タイヤ20の振動を検出する。加速度センサー11の出力であるタイヤ振動の信号は、例えば、増幅器で増幅された後、デジタル信号に変換されて振動波形抽出手段12に送られる。
図3はタイヤ振動の時系列波形の一例を示す図で、タイヤ振動の時系列波形は、踏み込み位置近傍と蹴り出し位置近傍に大きなピークを有しており、かつ、タイヤ20の陸部が接地する前の踏み込み前領域Rfにおいても、タイヤ20の陸部が路面から離れた後の蹴り出し後領域Rkにおいても、路面状態によって異なる振動が出現する。一方、踏み込み前領域Rfの前の領域と蹴り出し後領域Rkの後の領域(以下、路面外領域という)とは路面の影響を殆ど受けていないので、振動レベルも小さく、路面の情報も含んでいない。
時間窓毎に抽出されたタイヤ振動の時系列波形のうち、踏み込み前領域Rf、接地面領域Rt、及び、蹴り出し後領域Rkのいずれも含んでいない領域(以下、路面外領域という)の時系列波形は、前述したように、路面の情報も含んでいないので、本例では、カーネル関数の計算速度を速めるため、路面外時系列波形は特徴ベクトル算出手段14には送らないようにしている。
なお、路面外領域の定義としては、例えば、タイヤ振動の時系列波形に対してバックグラウンドレベルを設定し、このバックグラウンドレベルよりも小さな振動レベルを有する領域を路面外領域とすればよい。
本例では、特徴ベクトルXiとして、タイヤ振動の時系列波形を、それぞれ、0-1kHz、1-2kHz、2-3kHz、3-4kHz、4-5kHzのバンドパスフィルタにそれぞれ通して得られた特定周波数帯域の振動レベル(フィルター濾過波のパワー値)aik(k=1〜6)を用いた。特徴ベクトルは、Xi=(ai1,ai2,ai3,ai4,ai5,ai6)で、特徴ベクトルXiの数はN個である。
図5は、特徴ベクトルXiの入力空間を示す模式図で、各軸は特徴量である特定周波数帯域の振動レベルaikを表し、各点が特徴ベクトルXiを表している。実際の入力空間は特定周波数帯域の数が6つなので時間軸と合わせると7次元空間になるが、同図は2次元(横軸がa1、縦軸がa2)で表している。
例えば、車両がDRY路面を走行しているとすると、グループCを形成する点は、車両がSNOW路面を走行しているときに算出した特徴ベクトルX’iから成るグループC’と区別することができれば、車両がDRY路面を走行しているかSNOW路面を走行しているかを判定できる。
路面モデルは、タイヤに加速度センサーを取り付けたタイヤを搭載した試験車両を、DRY、WET、SNOW、及び、ICEの各路面で様々な速度で走行させて得られたタイヤ振動の時系列波形から算出された時間窓毎の特徴ベクトルである路面特徴ベクトルYASV(yjk)を入力データとして、学習により求められる。
なお、学習に使うタイヤサイズは1種類でもよいし、複数種でもよい。
前記路面特徴ベクトルYASV(yjk)の添え字Aは、DRY、WET、SNOW、及び、ICEを示している。添え字j(j=1〜M)は時間窓で抽出した時系列波形の数(窓の番号)を示し、添え字kは、ベクトルの成分を示している。すなわち、yjk=(aj1,aj2,aj3,aj4,aj5,aj6)である。また、SVはサポートベクトルの略で、学習によって選択される識別境界の近傍のデータを表わす。
なお、本例のように、カーネル関数として、グローバルアライメントカーネル関数(GAカーネル)やダイナミックタイムワーピングカーネル関数(DTWカーネル)を用いる場合には、路面特徴ベクトルYASV(yjk)は、[ベクトルyiの次元数(ここでは、6)×窓の数N]の行列となる。
以下、路面特徴ベクトルYASV(yjk)を単にYASVと記す。
WET路面特徴ベクトルYWSV、SNOW路面特徴ベクトルYSSV、ICE路面特徴ベクトルYISVについても、DRY路面特徴ベクトルYDSVと同様にして求めることができる。
ここで、時間幅Tが、特徴ベクトルXjを求める場合の時間幅Tと同じ値であることが肝要である。時間幅Tが一定なら、時間窓の時系列波形の数Mはタイヤ種と車速によって異なる。すなわち、路面特徴ベクトルYASVの時間窓の時系列波形の数Mは、特徴ベクトルXjの時間窓の時系列波形の数Nとは必ずしも一致しない。例えば、タイヤ種が同じでも、特徴ベクトルXjを求めるときの車速がDRY路面特徴ベクトルYDSVを求めたときの車速よりも遅い場合には、M>Nとなり、速い場合にはM<Nとなる。
図6は、入力空間上における、DRY路面特徴ベクトルYDSVと、DRY路面以外の路面特徴ベクトルYnDSVを示す概念図で、同図の黒丸がDRY路面、薄い色の丸がDRY路面以外の路面特徴ベクトルである。
なお、前述したように、DRY路面特徴ベクトルもDRY路面以外の路面特徴ベクトルも行列であるが、グループの識別境界の求め方を説明するため、図6では、DRY路面特徴ベクトルとDRY路面以外の路面特徴ベクトルとをそれぞれ2次元のベクトルで示した。
グループの識別境界は、一般には、線形分離が不可能である。そこで、カーネル法を用いて、路面特徴ベクトルYDSV及びYnDSVを非線形写像φによって高次元特徴空間に写像して線形分離を行うことで、元の入力空間において路面特徴ベクトルYDSV及びYnDSVに対して非線形な分類を行う。
具体的には、データの集合X=(x1,x2,……xn)と所属クラスz={1、−1}とを用いて、データを識別する最適な識別関数f(x)=wTφ(x)−bを求める。ここで、データは路面特徴ベクトルYDj,YnDjで、所属クラスはz=1が同図のχ1で示すDRY路面のデータで、z=−1がχ2で示すDRY路面以外の路面のデータである。また、wは重み係数、bは定数で、f(x)=0が識別境界である。
識別関数f(x)=wTφ(x)−bは、例えば、ラグランジュ未定乗数法を用いて最適化される。最適化問題は、以下の式(1),(2)に置き換えられる。
このとき、内積φ(xα)φ(xβ)をカーネル関数K(xα,xβ)に置き換えることで、識別関数f(x)=wTφ(x)−bを非線形できる。なお、φ(xα)φ(xβ)は、xαとxβを写像φで高次元空間へ写像した後の内積である。
ラグランジュ乗数λは、前記の式(2)について、最急下降法やSMO(Sequential Minimal Optimization)などの最適化アルゴリズムを用いて求めることができる。このとき、カーネル関数を使っているので、高次元の内積を直接求める必要がない。したがって、計算時間を大幅に縮減できる。
ローカルカーネルκij(xi,xj)は、時間間隔Tの窓毎に求められる。
なお、図7は、時間窓の数が6であるDRY路面特徴ベクトルYDjと、時間窓の数が4であるDRY路面以外の路面特徴ベクトルYnDjとのGAカーネルを求めた例である。
マージンとは、分離超平面から一番近いサンプル(サポートベクトル)までの距離をいい、識別境界である分離超平面はf(x)=0である。そして、DRY路面特徴ベクトルYDjは全てf(x)≧+1の領域にあり、DRY路面以外の路面特徴ベクトルYnDjは、f(x)≦−1の領域にある。
DRY路面とそれ以外の路面とを区別するDRY路面モデルは、f(x)=+1の距離にあるサポートベクトルYDSVと、f(x)=−1の距離にあるサポートベクトルYnDSVととを備えた入力空間である。前記YDSVと前記YnDSVとは、一般に複数個存在する。
WET路面とそれ以外の路面とを区別するWETモデル、SNOW路面とそれ以外の路面とを区別するSNOWモデル、及び、ICE路面とそれ以外の路面とを区別するICEモデルについても同様である。
GAカーネルK(X,Y)は、図8にも示すように、前記の[数2]において、xiを特徴ベクトルXiとし、xjを路面特徴ベクトルYAj,YnAjとしたときのローカルカーネルκij(Xi,Yj)の総和もしくは総積から成る関数で、時間長さの異なる時系列波形を直接比較することができる。なお、同図は、xjが路面特徴ベクトルYAjの例で、特徴ベクトルXiの時間窓の数はn=5で、路面特徴ベクトルYAjの時間窓の数はm=4である。
本例のように、特徴ベクトルXiを求めた場合の時間窓の時系列波形の数nと、路面特徴ベクトルYAj(もしくはYnAj)求めた場合の時間窓の時系列波形の数mとが異なっている場合でも、特徴ベクトルXi,YAj間(もしくはXi,YnAj間)の類似度を求めることができる。
また、NDSVはDRYモデルのサポートベクトルの数、NWSVはWETモデルのサポートベクトルの数、NSSVはSNOWモデルのサポートベクトルの数、NISVはICEモデルのサポートベクトルの数である。
識別関数のラグランジュ乗数λDなどの値は、DRY路面とその他の路面とを識別する識別関数を求める際の学習により求められる。
本例では、識別関数fD,fW,fS,fIをそれぞれ計算し、計算された識別関数fAの最も大きな値を示す識別関数から路面状態を判別する。
まず、加速度センサー11によりタイヤ20が走行している路面Rからの入力により発生したタイヤ振動を検出し(ステップS10)、検出されたタイヤ振動の信号からタイヤ振動の時系列波形を抽出する(ステップS11)。
そして、抽出されたタイヤ振動の時系列波形を予め設定した時間幅Tで窓掛けして、時間窓毎のタイヤ振動の時系列波形を求める。ここで、時間窓毎のタイヤ振動の時系列波形の数をm個とする(ステップS12)。
次に、抽出された各時間窓の時系列波形のそれぞれに対して特徴ベクトルXi=(xi1,xi2,xi3,xi4,xi5,xi6)を算出する(ステップS13)。本例では時間幅Tを3msec.とした。また、特徴ベクトルXiの数はm=6個である。
特徴ベクトルXiの各成分xi〜xi6(i=1〜6)は、前述したように、タイヤ振動の時系列波形のフィルター濾過波のパワー値である。
次に、算出された特徴ベクトルXiと、記憶手段15に記録されている路面モデルのサポートベクトルYAkとから、ローカルカーネルκij(Xi,Yj)を算出した後、ローカルカーネルκij(Xi,Yj)の総和を求めて、グローバルアライメントカーネル関数KD(X,Y),KW(X,Y),KS(X,Y),KI(X,Y)をそれぞれ算出する(ステップS14)。
そして、カーネル関数KA(X,Y)を用いた4つの識別関数fD(x),fW(x),fS(x),fI(x)をそれぞれ計算(ステップS15)した後、計算された識別関数fA(x)の値を比較して、最も大きな値を示す識別関数の路面状態を当該タイヤ20の走行している路面の路面状態と判別する(ステップS16)。
また、接地長に無関係に路面状態の判別を行うことができるので、タイヤサイズ変更に対するロバスト性を向上させることができる。
また、前記例では、特徴ベクトルXiをフィルター濾過波のパワー値xikとしたが、フィルター濾過波のパワー値xikの時変分散を用いてもよい。時変分散はlog[xik(t)2+xik(t-1)2]で表わせる。
あるいは、特徴ベクトルXiを、タイヤ振動時系列波形をフーリエ変換したときの特定周波数帯域の振動レベルであるフーリエ係数、もしくは、ケプストラム係数としてもよい。
ケプストラムは、フーリエ変換後の波形をスペクトル波形とみなし、再度フーリエ変換して得られるか、もしくは、ARスペクトルを波形とみなし、更にAR係数を求めて得られる(LPC Cepstrum)もので、絶対レベルに影響されずにスペクトルの形状を特徴付けできるので、フーリエ変換により得られる周波数スペクトルを用いた場合よりも判別精度が向上する。
図10に示すように、DTWカーネルK’(X,Y)は、ローカルカーネルκij(Xi,Yj)の総和を求める際に、例えば、同図の太い実践示すような、全ての経路の中で、κ’ij(Xi,Yj)の総和が最大または最小になる経路の総和から成る。
図10の例では、特徴ベクトルXiの個数をm=6、路面特徴ベクトルYjの個数をn=4とすると、ローカルカーネルκij(Xi,Yj)が式(11)のときには、DTWカーネルK1’(X,Y)は以下のようになる。
試験車両Aは前輪駆動車でタイヤサイズは165/70R14である。
試験車両Bは後輪駆動車でタイヤサイズは195/65R15である。
試験車両Cは前輪駆動車でタイヤサイズは195/60R15である。
試験車両Dは前輪駆動車でタイヤサイズは185/70R14である。
なお、各タイヤのトレッドパターンについては、全て一定(ブリヂストン;BLIZZK REV02)とした。
学習用のデータは試験車両Aでの全データの2/3をあてた。
また、特徴ベクトルXとしてLPC Cepstramを用いた場合と、バンドパスフィルタ濾過波のパワー値xikを用いた場合と、LPC Cepstramとバンドパスフィルタ濾過波のパワー値xikの両方を用いた場合の3通りについて路面判別し、その結果を正答率(%)で示した。
表1から明らかなように、車両A〜Dのいずれの場合にもほぼ85%以上の高い正答率が得られた。特に、LPC Cepstramとバンドパスフィルタ濾過波のパワー値xikの両方を用いた場合には、タイヤ断面幅が大きくかつ扁平率の低いタイヤを搭載した試験車両Cを除いて、95%以上の高い正答率が得られたことから、本願発明を適用することにより、路面状態を精度よく判別できることが確認された。
13 窓掛け手段、14 特徴ベクトル算出手段、15 記憶手段、
16 カーネル関数算出手段、17 路面状態判別手段、
20 タイヤ、21 インナーライナー部、22 タイヤ気室、R 路面。
Claims (4)
- 走行中のタイヤの振動を検出してタイヤの接している路面の状態を判別する方法であって、
走行中のタイヤの振動を検出するステップ(a)と、
前記検出されたタイヤの振動の時系列波形を取り出すステップ(b)と、
前記タイヤ振動の時系列波形に所定の時間幅の窓関数をかけて時間窓毎の時系列波形を抽出するステップ(c)と、
前記時間窓毎の時系列波形からそれぞれ特徴ベクトルを算出するステップ(d)と、
前記ステップ(d)で算出した時間窓毎の特徴ベクトルと、予め算出しておいた路面状態毎に求められたタイヤ振動の時系列波形から算出された時間窓毎の特徴ベクトルである路面特徴ベクトルとからカーネル関数を算出するステップ(e)と、
前記カーネル関数を用いた識別関数の値に基づいて路面状態を判別するステップ(f)とを有し、
前記ステップ(f)では、
路面状態毎に求めた識別関数の値を比較して路面状態を判別することを特徴とする路面状態判別方法。 - 前記特徴ベクトルが、
前記窓関数をかけて抽出した時間窓毎の時系列波形の特定周波数帯域の振動レベル、
前記特定周波数帯域の振動レベルの時変分散、
及び、前記時系列波形のケプストラム係数のいずれか1つ、または、複数、または、全部であり、
前記特定周波数帯域の振動レベルは、前記窓関数をかけて抽出した時間窓毎の時系列波形の周波数スペクトル、もしくは、前記窓関数をかけて抽出した時間窓毎の時系列波形をバンドパスフィルタを通して得られた時系列波形から求められる特定周波数帯域の振動レベルであることを特徴とする請求項1に記載の路面状態判別方法。 - 前記カーネル関数が、
グローバルアライメントカーネル関数、または、ダイナミックタイムワーピングカーネル関数、または、前記2つのカーネル関数の和、または、差、または、積、または、商であることを特徴とする請求項1または請求項2に記載の路面状態判別方法。 - 走行中のタイヤの振動を検出してタイヤの接している路面の状態を判別する路面状態判別装置であって、
タイヤトレッド部のインナーライナー部の気室側に配設された、走行中のタイヤの振動を検出するタイヤ振動検出手段と、
前記タイヤ振動検出手段で検出された前記タイヤ振動の時系列波形を予め設定した時間幅で窓掛けして時間窓毎にタイヤ振動の時系列波形を抽出する窓掛け手段と、
前記抽出された時間窓毎の時系列波形における特定周波数の振動レベルを成分とする特徴ベクトルもしくは前記振動レベルの関数を成分とする特徴ベクトルを算出する特徴ベクトル算出手段と、
予め算出しておいた路面状態毎に求められたタイヤ振動の時系列波形から算出された時間窓毎の特徴ベクトルである路面特徴ベクトルを記憶する記憶手段と、
前記特徴ベクトル算出手段で算出した時間窓毎の特徴ベクトルと、前記記憶手段に記憶された路面特徴ベクトルとからカーネル関数を算出するカーネル関数算出手段と、
前記カーネル関数を用いた識別関数の値に基づいて路面状態を判別する路面状態判別手段とを備え、
前記路面状態判別手段は、
路面状態毎に求めた識別関数の値を比較して路面状態を判別することを特徴とする路面状態判別装置。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012176779A JP5937921B2 (ja) | 2012-08-09 | 2012-08-09 | 路面状態判別方法とその装置 |
EP13828701.6A EP2883772B1 (en) | 2012-08-09 | 2013-08-09 | Method and device for determining state of road surface |
RU2015108058A RU2607917C2 (ru) | 2012-08-09 | 2013-08-09 | Способ и устройство для определения состояния поверхности дороги |
US14/419,427 US9434387B2 (en) | 2012-08-09 | 2013-08-09 | Method and apparatus for determining road surface condition |
CN201380042285.9A CN104540717B (zh) | 2012-08-09 | 2013-08-09 | 路面状态判断方法和设备 |
PCT/JP2013/071674 WO2014025018A1 (ja) | 2012-08-09 | 2013-08-09 | 路面状態判別方法とその装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012176779A JP5937921B2 (ja) | 2012-08-09 | 2012-08-09 | 路面状態判別方法とその装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014035279A true JP2014035279A (ja) | 2014-02-24 |
JP5937921B2 JP5937921B2 (ja) | 2016-06-22 |
Family
ID=50068235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012176779A Active JP5937921B2 (ja) | 2012-08-09 | 2012-08-09 | 路面状態判別方法とその装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9434387B2 (ja) |
EP (1) | EP2883772B1 (ja) |
JP (1) | JP5937921B2 (ja) |
CN (1) | CN104540717B (ja) |
RU (1) | RU2607917C2 (ja) |
WO (1) | WO2014025018A1 (ja) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016088548A1 (ja) * | 2014-12-05 | 2016-06-09 | 株式会社ブリヂストン | 路面状態判別方法 |
JP2016183671A (ja) * | 2015-03-24 | 2016-10-20 | ゼネラル・エレクトリック・カンパニイ | エンジンイベントを位置決定するためのシステム及び方法 |
WO2018003366A1 (ja) | 2016-06-30 | 2018-01-04 | 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 |
JP2018004417A (ja) * | 2016-06-30 | 2018-01-11 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
WO2018207648A1 (ja) | 2017-05-12 | 2018-11-15 | 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 |
WO2018230181A1 (ja) | 2017-06-16 | 2018-12-20 | 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 |
WO2019035279A1 (ja) * | 2017-08-18 | 2019-02-21 | ローム株式会社 | 人工知能アルゴリズム |
WO2019131567A1 (ja) * | 2017-12-28 | 2019-07-04 | 株式会社デンソー | 路面状態判別装置 |
JP2019123293A (ja) * | 2018-01-15 | 2019-07-25 | 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 |
JP2019123324A (ja) * | 2018-01-15 | 2019-07-25 | 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 |
US10377385B2 (en) | 2014-10-06 | 2019-08-13 | Bridgestone Corporation | Road surface condition determining system |
RU2707483C2 (ru) * | 2015-02-10 | 2019-11-26 | ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи | Усовершенствованное определение характеристик дороги для адаптивного режима вождения |
WO2019244379A1 (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 |
WO2020031513A1 (ja) * | 2018-08-09 | 2020-02-13 | 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 |
EP3674159A1 (en) | 2018-12-28 | 2020-07-01 | Toyo Tire Corporation | Arithmetic model generation system and arithmetic model generation method |
JP2022037789A (ja) * | 2020-08-25 | 2022-03-09 | いすゞ自動車株式会社 | 判別装置 |
US11376901B2 (en) | 2018-03-02 | 2022-07-05 | Denso Corporation | Road surface condition determination device performing sensing based on different sensing conditions |
US11549808B2 (en) | 2017-10-11 | 2023-01-10 | Denso Corporation | Road surface condition determining device, and tire system provided with same |
US11565705B2 (en) | 2017-12-22 | 2023-01-31 | Denso Corporation | Road surface state determination device |
US11648947B2 (en) | 2018-06-27 | 2023-05-16 | Denso Corporation | Road surface state determination device and tire system including the same |
US11654730B2 (en) | 2018-01-19 | 2023-05-23 | Denso Corporation | Tire system |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014179481A1 (en) * | 2013-04-30 | 2014-11-06 | Diamond Maxim Sokol | Methods and systems for monitoring roadway parameters |
FR3052420B1 (fr) * | 2016-06-14 | 2018-07-06 | Continental Automotive France | Procede de determination de l'etat d'une route |
CN109477906B (zh) * | 2016-06-30 | 2022-04-12 | 株式会社普利司通 | 路面状态判别方法和路面状态判别装置 |
JP6620787B2 (ja) * | 2016-08-11 | 2019-12-18 | 株式会社デンソー | 路面状態推定装置 |
KR101827152B1 (ko) * | 2016-10-04 | 2018-03-22 | 현대자동차주식회사 | 차량 데이터 기반의 노면 판단 방법 |
GB2565051A (en) * | 2017-07-27 | 2019-02-06 | Continental Automotive Gmbh | Method and device for monitoring a behavior of a tire of a vehicle |
CN109727334B (zh) * | 2017-10-30 | 2021-03-26 | 长城汽车股份有限公司 | 车辆所处地形的识别方法、装置及车辆 |
FR3088249B3 (fr) * | 2018-11-14 | 2020-10-16 | Michelin & Cie | Procede de determination de la fermete d'un sol |
FR3088427B3 (fr) * | 2018-11-14 | 2020-10-16 | Michelin & Cie | Procede de determination du glissement d'un pneumatique |
WO2020120564A1 (en) * | 2018-12-12 | 2020-06-18 | Continental Automotive Gmbh | Method and device for monitoring an instantaneous behaviour of a tire of a vehicle |
CN111532277B (zh) * | 2020-06-01 | 2021-11-30 | 中国第一汽车股份有限公司 | 车辆地形识别***、方法及车辆 |
CN117746348A (zh) * | 2023-12-21 | 2024-03-22 | 北京卓视智通科技有限责任公司 | 一种非法运营车辆的识别方法、装置、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004168286A (ja) * | 2002-11-08 | 2004-06-17 | Toyota Central Res & Dev Lab Inc | 路面状態推定装置、路面摩擦状態推定装置、路面状態物理量演算装置、及び路面状態報知装置 |
JP2007055284A (ja) * | 2005-08-22 | 2007-03-08 | Bridgestone Corp | 路面状態推定方法、路面状態推定用タイヤ、路面状態推定装置、及び、車両制御装置 |
WO2008136303A1 (ja) * | 2007-04-27 | 2008-11-13 | Kabushiki Kaisha Bridgestone | タイヤ接地状態推定方法、タイヤ接地状態推定装置、及び、接地状態推定用タイヤ |
JP2011242303A (ja) * | 2010-05-19 | 2011-12-01 | Bridgestone Corp | 路面状態推定方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5434927A (en) * | 1993-12-08 | 1995-07-18 | Minnesota Mining And Manufacturing Company | Method and apparatus for machine vision classification and tracking |
US7110880B2 (en) * | 1997-10-22 | 2006-09-19 | Intelligent Technologies International, Inc. | Communication method and arrangement |
DE19926559A1 (de) * | 1999-06-11 | 2000-12-21 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Detektion von Objekten im Umfeld eines Straßenfahrzeugs bis in große Entfernung |
EP2514640B1 (en) * | 2001-12-21 | 2015-08-05 | Kabushiki Kaisha Bridgestone | Method and apparatus for estimation of road condition and tire running state, ABS and car control making use thereof |
US7837825B2 (en) | 2005-06-13 | 2010-11-23 | Lam Research Corporation | Confined plasma with adjustable electrode area ratio |
EP1897706B1 (en) * | 2005-06-17 | 2014-12-24 | Kabushiki Kaisha Bridgestone | Road surface state estimating method, road surface state estimating tire, road surface state estimating device, and vehicle control device |
US7406450B2 (en) | 2005-09-28 | 2008-07-29 | Nec Laboratories America, Inc. | Spread kernel support vector machine |
US8098889B2 (en) * | 2007-01-18 | 2012-01-17 | Siemens Corporation | System and method for vehicle detection and tracking |
JP4629756B2 (ja) | 2008-07-14 | 2011-02-09 | 株式会社ブリヂストン | 路面状態推定方法と路面状態推定装置 |
JP5495971B2 (ja) | 2010-06-24 | 2014-05-21 | 株式会社ブリヂストン | タイヤ内部故障判定方法 |
-
2012
- 2012-08-09 JP JP2012176779A patent/JP5937921B2/ja active Active
-
2013
- 2013-08-09 EP EP13828701.6A patent/EP2883772B1/en active Active
- 2013-08-09 US US14/419,427 patent/US9434387B2/en active Active
- 2013-08-09 WO PCT/JP2013/071674 patent/WO2014025018A1/ja active Application Filing
- 2013-08-09 CN CN201380042285.9A patent/CN104540717B/zh active Active
- 2013-08-09 RU RU2015108058A patent/RU2607917C2/ru active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004168286A (ja) * | 2002-11-08 | 2004-06-17 | Toyota Central Res & Dev Lab Inc | 路面状態推定装置、路面摩擦状態推定装置、路面状態物理量演算装置、及び路面状態報知装置 |
JP2007055284A (ja) * | 2005-08-22 | 2007-03-08 | Bridgestone Corp | 路面状態推定方法、路面状態推定用タイヤ、路面状態推定装置、及び、車両制御装置 |
WO2008136303A1 (ja) * | 2007-04-27 | 2008-11-13 | Kabushiki Kaisha Bridgestone | タイヤ接地状態推定方法、タイヤ接地状態推定装置、及び、接地状態推定用タイヤ |
JP2011242303A (ja) * | 2010-05-19 | 2011-12-01 | Bridgestone Corp | 路面状態推定方法 |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10377385B2 (en) | 2014-10-06 | 2019-08-13 | Bridgestone Corporation | Road surface condition determining system |
JP2016107833A (ja) * | 2014-12-05 | 2016-06-20 | 株式会社ブリヂストン | 路面状態判別方法 |
WO2016088548A1 (ja) * | 2014-12-05 | 2016-06-09 | 株式会社ブリヂストン | 路面状態判別方法 |
US10525777B2 (en) | 2014-12-05 | 2020-01-07 | Bridgestone Corporation | Method for determining road surface condition |
RU2707483C2 (ru) * | 2015-02-10 | 2019-11-26 | ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи | Усовершенствованное определение характеристик дороги для адаптивного режима вождения |
JP2016183671A (ja) * | 2015-03-24 | 2016-10-20 | ゼネラル・エレクトリック・カンパニイ | エンジンイベントを位置決定するためのシステム及び方法 |
WO2018003366A1 (ja) | 2016-06-30 | 2018-01-04 | 株式会社ブリヂストン | 路面状態判別方法 |
JP2018004419A (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 |
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 |
JP2018004417A (ja) * | 2016-06-30 | 2018-01-11 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
WO2018207648A1 (ja) | 2017-05-12 | 2018-11-15 | 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 |
US11486702B2 (en) | 2017-05-12 | 2022-11-01 | Bridgestone Corporation | Road surface condition determination method and road surface condition determination apparatus |
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 |
WO2018230181A1 (ja) | 2017-06-16 | 2018-12-20 | 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 |
JPWO2019035279A1 (ja) * | 2017-08-18 | 2020-07-27 | ローム株式会社 | 人工知能アルゴリズム |
JP7012086B2 (ja) | 2017-08-18 | 2022-01-27 | ローム株式会社 | 人工知能アルゴリズム |
WO2019035279A1 (ja) * | 2017-08-18 | 2019-02-21 | ローム株式会社 | 人工知能アルゴリズム |
US11549808B2 (en) | 2017-10-11 | 2023-01-10 | Denso Corporation | Road surface condition determining device, and tire system provided with same |
US11565705B2 (en) | 2017-12-22 | 2023-01-31 | Denso Corporation | Road surface state determination device |
WO2019131567A1 (ja) * | 2017-12-28 | 2019-07-04 | 株式会社デンソー | 路面状態判別装置 |
US11467028B2 (en) | 2017-12-28 | 2022-10-11 | Denso Corporation | Road surface state determination device |
JP2019120550A (ja) * | 2017-12-28 | 2019-07-22 | 株式会社Soken | 路面状態判別装置 |
JP2019123293A (ja) * | 2018-01-15 | 2019-07-25 | 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 |
JP7030531B2 (ja) | 2018-01-15 | 2022-03-07 | 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 |
JP7030532B2 (ja) | 2018-01-15 | 2022-03-07 | 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 |
JP2019123324A (ja) * | 2018-01-15 | 2019-07-25 | 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 |
US11654730B2 (en) | 2018-01-19 | 2023-05-23 | Denso Corporation | Tire system |
US11376901B2 (en) | 2018-03-02 | 2022-07-05 | Denso Corporation | Road surface condition determination device performing sensing based on different sensing conditions |
WO2019244379A1 (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 |
US11648947B2 (en) | 2018-06-27 | 2023-05-16 | Denso Corporation | Road surface state determination device and tire system including the same |
WO2020031513A1 (ja) * | 2018-08-09 | 2020-02-13 | 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 |
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 |
JP2020026164A (ja) * | 2018-08-09 | 2020-02-20 | 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 |
US11491995B2 (en) | 2018-12-28 | 2022-11-08 | Toyo Tire Corporation | Arithmetic model generation system and arithmetic model generation method |
EP3674159A1 (en) | 2018-12-28 | 2020-07-01 | Toyo Tire Corporation | Arithmetic model generation system and arithmetic model generation method |
JP2022037789A (ja) * | 2020-08-25 | 2022-03-09 | いすゞ自動車株式会社 | 判別装置 |
JP7327322B2 (ja) | 2020-08-25 | 2023-08-16 | いすゞ自動車株式会社 | 判別装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104540717A (zh) | 2015-04-22 |
RU2015108058A (ru) | 2016-10-10 |
EP2883772A1 (en) | 2015-06-17 |
JP5937921B2 (ja) | 2016-06-22 |
EP2883772A4 (en) | 2016-04-13 |
CN104540717B (zh) | 2017-03-01 |
EP2883772B1 (en) | 2018-12-05 |
WO2014025018A1 (ja) | 2014-02-13 |
US20150210286A1 (en) | 2015-07-30 |
RU2607917C2 (ru) | 2017-01-11 |
US9434387B2 (en) | 2016-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5937921B2 (ja) | 路面状態判別方法とその装置 | |
JP6450170B2 (ja) | 路面状態判別方法 | |
CN109477906B (zh) | 路面状态判别方法和路面状态判别装置 | |
JP6673766B2 (ja) | 路面状態判別方法 | |
JP5837341B2 (ja) | 路面状態判定方法とその装置 | |
WO2018207648A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
JP6734713B2 (ja) | 路面状態判別方法 | |
JP2018004418A (ja) | 路面状態判別方法 | |
WO2018230181A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2019138774A1 (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 | |
JP6961539B2 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2019244379A1 (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 | |
JP7030532B2 (ja) | 路面状態判別方法及び路面状態判別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150513 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160419 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160513 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5937921 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |