JP6408852B2

JP6408852B2 - 路面状態判別システム

Info

Publication number: JP6408852B2
Application number: JP2014206017A
Authority: JP
Inventors: 泰史花塚
Original assignee: Bridgestone Corp
Current assignee: Bridgestone Corp
Priority date: 2014-10-06
Filing date: 2014-10-06
Publication date: 2018-10-17
Anticipated expiration: 2034-10-06
Also published as: EP3206056B1; US10377385B2; JP2016075575A; EP3206056A1; US20170297580A1; CN107003429B; CN107003429A; EP3206056A4; WO2016056569A1

Description

本発明は、走行中の路面の状態を判別するシステムに関するもので、特に、所定の時間内に同じ箇所を走行する複数台の車両の車両情報を用いて、路面状態を判別する路面状態判別システムに関する。

自動車の走行安全性を高めるため、走行中の路面の状態を精度良く推定し、車両制御へフィードバックすることが求められている。走行中の路面の状態を推定することができれば、制駆動や操舵といった危険回避の操作を起こす前に、例えば、ＡＢＳブレーキのより高度な制御等が可能になり、安全性が一段と高まることが予想される。

走行中の路面の状態を推定する方法としては、例えば、走行中のタイヤの振動を検出し、この検出されたタイヤの振動の時系列波形から路面状態を推定する方法（例えば、特許文献１〜３参照）や、タイヤから発生するタイヤ発生音を検出し、この検出されたタイヤ発生音の音圧レベルから路面状態を推定する方法が提案されている（例えば、特許文献４参照）。

特開２０１１−２４２３０３号公報特開２００５−５９８００号公報特開２０１４−３５２７９号公報特開平８−２６１９９３号公報

しかしながら、従来は、１台の車両の情報から走行中の路面状態を推定しているため、路面状態の判別精度が必ずしも十分とはいえなかった。

本発明は、従来の問題点に鑑みてなされたもので、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システムを提供することを目的とする。

本発明は、車両の走行時の挙動の情報である車両情報を取得する車載センサ、前記車載センサにより取得した車両情報から前記車両の走行する路面の状態（以下、路面状態という）を推定するための複数の特徴量を算出する特徴量算出手段、及び、前記特徴量を当該車両の外部に送信する送信手段を備えた複数台の車両と、前記複数台の車両Ｗ_iの送信手段からそれぞれ送信される特徴量を蓄積するサーバーと、前記蓄積された複数台の車両の複数の特徴量Ｘ_iｊ（ｉ＝１〜ｎ：ｎは車両の数、ｊ＝１〜ｍ：ｍは特徴量の数）を用いて路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、前記送信される特徴量が、所定の時間内かつ所定の範囲内の場所における前記特徴量であり、前記路面状態判別装置が、前記複数の特徴量のそれぞれについて、所定の時間内かつ所定の範囲内の場所における前記複数台の車両の特徴量Ｘ _iｊを用いた演算値である特徴量演算値Ｘ _ｊを算出する特徴量演算値算出手段と、前記複数の特徴量演算値Ｘ _ｊ（ｊ＝１〜ｍ；ｍは特徴量の数）を、予め路面状態Ｒ毎に設定した路面識別関数Ｙ _R ＝Ｆ _R （Ｘ）にそれぞれ入力して得られる特徴量識別値Ｙ _R を前記路面識別関数毎に算出する特徴量識別値算出手段と、前記算出された路面識別関数毎の特徴量識別値Ｙ _R を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態Ｒを判別する路面状態判別手段とを備え、前記複数台の車両の特徴量を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別することを特徴とする。
このように、複数台の車両の車両情報から得られた複数の特徴量を用いた特徴量演算値Ｘ _ｊを路面状態毎に設定した識別関数Ｙ _R ＝Ｆ _R （Ｘ）に代入し、得られた値を路面状態Ｒの判別値としたので、複数台の車両の特徴量Ｘ _ij のデータ全てを用いて路面状態の判別を行うことができる。したがって、路面状態の判別精度を向上させることができる。
ここで、「特徴量」とは、タイヤ内、ホイール、もしくは、ナックルに設けられた加速度センサの時系列波形の複数の特定周波数帯域における振動の大きさ（帯域値）や、タイヤ気室内に設けられた圧力センサで検出した空気圧変動信号の帯域値、あるいは、タイヤ内や後輪前方フレームに設けられたマイクロフォンで検出した音圧信号の帯域値などの、路面状態の推定に用いられる物理量を指す。
また、「所定の時間」は、車両の走行する区間や走行している時刻に応じて、長く設定したり、短く設定したりするなど、変更可能である。
また、「所定の時間」を、所定の範囲内の場所を、予め設定された台数（例えば、５台）の車両が通過する時間としてもよい。この場合も、予め設定する車両の台数は、走行する区間や走行している時刻に応じて、変更可能とする。

また、前記車載センサを、タイヤ内に配置された加速度センサとしたので、路面状態によるタイヤ振動の違いを的確に把握でき、路面状態の判別精度を更に向上させることができる。

また、前記路面状態判別装置を、前記複数台の車両毎に、前記複数の特徴量Ｘ_iｊ（ｉは車両の番号、ｊ＝１〜ｍ：ｍは特徴量の数）を、予め路面状態Ｒ毎に設定した路面識別関数Ｙ_R＝Ｆ_R（Ｘ）にそれぞれ入力して、車両毎の識別値である識別関数値Ｙ_iRを、前記路面識別関数毎に算出する識別関数値算出手段と、前記算出された路面識別関数毎の識別関数値Ｙ_iRを用いた演算値である識別関数演算値Ｚ_Rを算出する識別関数演算値算出手段と、前記算出された識別関数演算値Ｚ_Rを用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別する路面状態判別手段とから構成してもよい。
このように、車両毎に識別関数値Ｙ_iRを求め、これらの識別関数値Ｙ_iRの演算値である識別関数演算値Ｚ_Rを路面状態Ｒの判別値としても、路面状態の判別精度を向上させることができる。

また、前記路面状態判別装置を、前記複数台の車両毎に、前記複数の特徴量Ｘ_iｊを、予め路面状態毎に設定した路面識別関数Ｙ_R＝Ｆ_R（Ｘ）にそれぞれ入力して、車両毎の識別値である識別関数値Ｙ_iRを、前記路面識別関数毎に算出する識別関数値算出手段と、前記算出された路面識別関数毎の識別関数値Ｙ_iRの分布状態と、予め求めておいた路面状態Ｒ毎の識別関数値の分布状態（以下、識別路面モデルＭ_Rという）との類似度である識別値類似度Ｈ_Rを計算し、前記計算された識別値類似度Ｈ_Rから、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別する路面状態判別手段とから構成してもよい。
このように、予め、路面状態毎に識別路面モデルＭ_Rを作成しておき、実際に計測した特徴量Ｘ_iｊから求められる識別関数値Ｙ_iRの分布状態が、例えば、車両をＤＲＹ路面上で走行させたときに得られた特徴量から求めた識別路面モデルＭ_Dに近いか、あるいは、他の路面Ｒ’上を走行させたときに得られた特徴量から求めた識別路面モデルＭ_R’に近いかを路面判別の判別基準としたので、路面状態の判別精度を一層向上させることができる。

また、前記路面状態判別装置を、前記複数台の車両のそれぞれについて、前記特徴量Ｘ_iｊの分布状態を、予め求めておいた路面状態毎の特徴量の分布状態（以下、特徴量路面モデルＣ_Rという）との類似度である特徴量類似度Ｓ_R計算する特徴量類似度算出手段と、前記計算された各車両の特徴量類似度Ｓ_Rから、所定の時間内かつ所定の範囲内の場所における路面状態を判別する路面状態判別手段とから構成してもよい。
このように、予め、路面状態毎に特徴量路面モデルＣ_Rを作成しておき、実際に計測した特徴量Ｘ_iｊの分布状態が、例えば、車両をＤＲＹ路面上を走行させたときに得られた特徴量から求めた特徴量路面モデルＣ_Dに近いか、あるいは、他の路面Ｒ’上を走行させたときに得られた特徴量から求めた特徴量路面モデルＣ_R’に近いかを路面判別の判別基準としても、路面状態の判別精度を一層向上させることができる。

また、本発明は、車両外情報を取得する手段を設けるとともに、前記取得された車両外情報を用いて、前記路面識別関数Ｆ_R（Ｘ）、または、路面状態毎の識別関数値の分布状態（識別路面モデルＭ_R）、または、路面状態毎の特徴量の分布状態（特徴量路面モデルＣ_R）を修正することを特徴とする。
ここで、車両外情報とは、インターネットなどにより取得した、天候，気温，降水量，風速，日照時間などの気象情報、もしくは、地形情報，交通情報，道路管理情報などの道路情報などを指す。
また、修正に用いられる情報としては、他の所定の範囲内の場所の路面状態の推定結果などがある。具体的には、過去の条件（天候、交通量、路面状態の推定結果）において、所定の範囲内の場所Ａと相関がある他の所定の範囲内の場所Ｂの路面状態の推定結果を用いて、所定の範囲内の場所Ａでの推定結果を補正することができる。
これにより、所定の時間内かつ所定の範囲内の場所における路面状態を更に精度よく判別することができる。

なお、前記発明の概要は、本発明の必要な全ての特徴を列挙したものではなく、これらの特徴群のサブコンビネーションもまた、発明となり得る。

本実施の形態１に係る路面状態判別システムの構成を示す図である。加速度センサの配置例を示す図である。特徴量の算出方法を示す図である。本実施の形態２に係る路面状態判別装置の構成を示す図である。本実施の形態３に係る路面状態判別システムの構成を示す図である。本実施の形態４に係る路面状態判別装置の構成を示す図である。

実施の形態１．
図１は、本実施の形態１に係る路面状態判別システム１の構成を示す機能ブロック図で、Ｗ₁〜Ｗ_nは車両で、各車両Ｗ_i（ｉ＝１〜ｎ）は、加速度センサ１１と、車輪速センサ１２と、特徴量算出手段１３と、ＧＰＳ装置１４と、車両情報収集手段１５と、送信機１６と、受信機１７とを備える。
なお、車両Ｗ₁〜Ｗ_nは、所定の時間内に所定の範囲内の場所を通過する車両である。
２０は受信機２１と、データ記憶手段２２と、送信機２３とを備えたサーバーで、３０は所定の時間内かつ所定の範囲内の場所における路面の状態を判別する路面状態判別装置である。
サーバー２０と路面状態判別装置３０とは、路面状態管理センター２に設けられる。
特徴量算出手段１３、及び、路面状態判別装置３０は、例えば、コンピュータのソフトウェアにより構成される。
加速度センサ１１は、図２に示すように、タイヤ４０のインナーライナー部４１のタイヤ気室４２側のほぼ中央部に配置されて、路面からタイヤ４０のトレッド４３に入力する振動（タイヤ振動）を検出する。
車輪速センサ１２は、車輪の回転速度（車輪速）を検出するもので、例えば、車輪の回転角度を検出する周知の電磁誘導型の車輪速センサを用いることができる。

特徴量算出手段１３は、振動波形検出部１３ａと、領域信号抽出部１３ｂと、特徴量算出部１３ｃとを備え、加速度センサ１１で検出したタイヤ振動の時系列波形から、当該車両Ｗ_iの走行する路面の状態（路面状態）を推定するための特徴量を算出する。
振動波形検出部１３ａは、図３に示すように、車輪速センサ１２で検出した車輪速度を用いて、タイヤ一回転分の加速度波形を検出する。
領域信号抽出部１３ｂは、タイヤ一回転分の加速度波形を、踏み込み端に出現する踏み込み側のピークよりも前の踏み込み前領域Ｒ１と、前記踏み込み側のピークを形成する踏み込み領域Ｒ２と、前記踏み込み側のピークと蹴り出し端に出現する蹴り出し側のピークとの間の蹴り出し前領域Ｒ３と、前記蹴り出し側のピークを形成する蹴り出し領域Ｒ４と、前記蹴り出し側のピークよりも後の蹴り出し後領域Ｒ５とに分割し、各領域Ｒ１〜Ｒ５における振動レベルの時系列波形を抽出する。
特徴量算出部１３ｃは、各領域Ｒ１〜Ｒ５のそれぞれの時系列波形をバンドパスフィルターに通して、所定の領域で、かつ、所定の周波数領域の振動成分の大きさである帯域値をｍ個算出し、これらの帯域値を車両Ｗ_i（ｉ＝１〜ｎ）の特徴量Ｘ_ij（ｊ＝１〜ｍ）として、送信機１６から路面状態管理センター２に送信する。なお、各領域Ｒ１〜Ｒ５からの帯域値は複数であってもよいし、特徴量Ｘ_ijを算出しない領域があってもよい。また、タイヤ一回転分の加速度波形を、踏み込み前領域、接地領域、蹴り出し後領域の３つに分けるなどしてもよい。
換言すれば、車両Ｗ_i（ｉ＝１〜ｎ）からは、成分が（Ｘ_i1，Ｘ_i2，……，Ｘ_im）であるｍ次元の特徴ベクトルＸ_iが路面状態管理センター２に送信される。

なお、車両Ｗ_iの特徴量Ｘ_ijとしては、タイヤ内，ホイール、もしくは、ナックルに設けられた加速度センサにより取得した加速度の時系列波形の周波数スペクトルから得られた、路面状態により変化する複数の周波数帯域の振動レベルや、タイヤ気室内に設けられた圧力センサで検出した空気圧の変動スペクトルの帯域値、あるいは、タイヤ内や後輪前方フレームに設けられたマイクロフォンで採取したタイヤ発生音のバンドパワー値などを挙げることができる。
あるいは、車載センサとして、二方向振動センサを設けてタイヤ周方向の振動とタイヤ径方向の振動とを検出し、これらの振動波形の特定周波数成分を車両Ｗ_iの特徴量Ｘ_ijとしてもよい。この場合には、特徴ベクトルＸ_iの成分は２つである。
更に、特徴量としては、トレッドブロック内に配置したトレッド剪断応力や、タイヤ内面に設けられた歪センサで検出した周方向タイヤ内面歪、車輪速センサで検出した車輪速の時系列データなどを用いることができる。

ＧＰＳ装置１４は、図示しないＧＰＳアンテナと受信機とを備え、当該車両Ｗ_iの位置データを取得する。
車両情報収集手段１５は、特徴量算出手段１３で算出された車両Ｗ_iの特徴量Ｘ_ijと、ＧＰＳ装置１４で取得した車両の位置データと、車両情報の取得時刻のデータ（時刻データ）とを収集する。なお、時刻データとしては、加速度の時系列波形の抽出時刻，位置データの取得時刻、あるいは、データ送信時刻などを用いればよい。これらの時刻は、ほぼ同時刻なので、どの時刻を時刻データとしても問題はない。
送信機１６は、車両情報収集手段１５により収集されたｍ個の特徴量Ｘ_ijのデータと、車両の位置データと、時刻データとを、当該車両を識別するための車両ＩＤとともに、図示しない送信アンテナから、路面状態管理センター２のサーバー２０に送信する。
受信機１７は、路面状態管理センター２の路面状態判別装置３０で判別され、サーバー２０の送信機２３から送信された所定の時間内かつ所定の範囲内の場所における路面状態のデータを受信する。なお、この受信された路面状態のデータを、車内に設けられたモニター上に表示することで、運転者は、前記所定の時間内かつ所定の範囲内の場所における路面状態を知ることができる。
また、路面状態のデータを車両制御へフィードバックすれば、車両の走行安全性を向上させることができる。

サーバー２０は、各車両Ｗ_i（ｉ＝１〜ｎ）から送られてくる車両情報を受信機２１で受信し、これらのデータを、データ記憶手段２２に保存するとともに、送信機２３から、路面状態判別装置３０で判別された所定の時間内かつ所定の範囲内の場所における路面状態のデータを登録車両に送信する。
各車両Ｗ_iの特徴量Ｘ_ijのデータは、データ記憶手段２２に分類・保存される。
ここで、所定の時間は、予め設定された判別時刻を含む１分〜５分の範囲を指し、所定の範囲とは、例えば、予め設定された道路地図上の場所を含む範囲を指す。また、所定の範囲の指定は、例えば、ナビゲーション用の道路地図上の所定の大きさ枠のグリットを用いれば、各車両Ｗ_iとサーバー２０とでの位置の整合性を取り易いので好ましい。
なお、登録車両とは、特徴量Ｘ_ijのデータを送信する車両Ｗ_iだけではなく、サーバー２０と通信により接続されている車両も含まれる。

路面状態判別装置３０は、特徴量演算値算出手段３１と、特徴量識別値算出手段３２と、路面状態判別手段３３とを備え、各車両Ｗ_iから送られてきた特徴量Ｘ_iｊのデータを用いて、所定の時間内かつ所定の範囲内の場所における路面状態の判別を行う。なお、本例では、路面状態Ｒを、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面に分類した。
特徴量演算値算出手段３１は、所定の時間内かつ所定の範囲内の場所における車両Ｗ_iの特徴量Ｘ_iｊの演算値Ｘ_ｊを算出する。
演算値Ｘ_ｊとしては、例えば、Ｘ_ｊ＝（Ｘ_1j＋Ｘ_2j＋……＋Ｘ_nj）/ｎ、すなわち、特徴量Ｘ_iｊの平均値を用いることができる。演算値Ｘ_ｊの個数はｍ個で、特徴量Ｘ_iｊの個数と同じである。なお、演算値としては、平均値に代えて、中央値としてもよい。
特徴量識別値算出手段３２は、演算値Ｘ_ｊを、予め路面状態毎に設定した路面識別関数Ｆ_R（Ｒ；路面状態）にそれぞれ入力して、特徴量Ｘ_ｊ毎の識別値である特徴量識別値Ｙ_Rを算出する。路面識別関数Ｙ_R（Ｘ）は、路面状態Ｒと他の路面状態Ｒ’とを分けるもので、路面状態毎に作成される。
本例では、路面識別関数Ｆ_R（Ｘ）を、Ｙ_R＝Ｆ_R（Ｘ）＝ａ_R・Ｘ＋ｂ_Rとした。
係数ａ_Rは、演算値Ｘ_ｊと同じくｍ個の成分を持つベクトルで、ｂ_Rは定数である。ここで、ａ_R＝（ａ_R1，ａ_R2，……，ａ_Rm）とすると、ベクトルの各成分ａ_RK（ｋ＝１〜ｍ）は、特徴量Ｘ_Kに対する「重み」で、路面状態Ｒにより異なる値をとる。ａ_RKは、予め、試験車両を，ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥの各路面上を走行させて求められる。
ＤＲＹ路面における特徴量識別値Ｙ_Dは、以下の式（１）で表せる。
Ｙ_D＝ａ_D1・Ｘ₁＋ａ_D2・Ｘ₂＋……＋ａ_Dm・Ｘ_m＋ｂ_D……（１）
同様に、ＷＥＴ路面における特徴量識別値Ｙ_W、ＳＮＯＷ路面における特徴量識別値Ｙ_S、及び、ＩＣＥ路面における特徴量識別値Ｙ_Iは、それぞれ以下の式（２）〜（４）のように表せる。
Ｙ_W＝ａ_W1・Ｘ₁＋ａ_W2・Ｘ₂＋……＋ａ_Wm・Ｘ_m＋ｂ_W……（２）
Ｙ_S＝ａ_S1・Ｘ₁＋ａ_S2・Ｘ₂＋……＋ａ_Sm・Ｘ_m＋ｂ_S……（３）
Ｙ_I＝ａ_I1・Ｘ₁＋ａ_I2・Ｘ₂＋……＋ａ_Im・Ｘ_m＋ｂ_I……（４）
路面状態判別手段３３は、最大値を取る特徴量識別値Ｙ_Rに対応する路面状態Ｒを、所定の時間内かつ所定の範囲内の場所における路面状態と判別する。
この路面状態の判別を、予め設定された時刻毎に、予め設定された複数の箇所を含む領域毎に行えば、道路地図上における各時刻における路面状態を精度よく推定することができる。
なお、路面識別関数Ｙ_R（Ｘ）としては、カーネル法、ＳＶＭ、最小二乗法、ニューラルネットなどの既知の識別手法を用いてもよい。

このように、本実施の形態１では、所定の時間内かつ所定の範囲内の場所における車両Ｗ_iの特徴量Ｘ_iｊの演算値Ｘ_ｊをそれぞれ算出し、この算出された演算値Ｘ_ｊを、予め路面状態毎に設定した路面識別関数Ｙ_R（Ｘ）にそれぞれ入力して、路面状態Ｒ毎の特徴量識別値Ｙ_D，Ｙ_W，Ｙ_S，Ｙ_Iを算出した後、最大値をとる特徴量識別値Ｙ_Rに対応する路面状態Ｒを、所定の時間内かつ所定の範囲内の場所における路面状態としたので、路面状態を精度よく判別することができる。

実施の形態２．
前記実施の形態１では、車両Ｗ_iの特徴量Ｘ_iｊの演算値Ｘ_ｊを予め路面状態毎に設定した路面識別関数Ｙ_R（Ｘ）にそれぞれ入力して得られた特徴量識別値Ｙ_R，Ｙ_W，Ｙ_S，Ｙ_Iを用いて路面状態Ｒを判定したが、路面状態判別装置３０に代えて、図４に示す構成の路面状態判別装置３０Ａを設けて、車両Ｗ_i毎に特徴量識別値Ｙ_R（Ｘ_iｊ)を求め、これらの特徴量識別値Ｙ_R（Ｘ_iｊ)を用いて路面状態Ｒを判定するようにしてもよい。
路面状態判別装置３０Ａは、識別関数値算出手段３４と、識別関数演算値算出手段３５と、路面状態判別手段３３とを備える。
識別関数値算出手段３４は、実施の形態１と同様の、路面状態毎に設定された路面識別関数Ｆ_R（Ｘ）＝ａ_R・Ｘ＋ｂ_Rを用いて、所定の時間内かつ所定の範囲内の場所における車両Ｗ_iの特徴量Ｘ_iｊの識別関数値Ｙ_iR＝Ｆ_R（Ｘ_iｊ）を算出する。
車両Ｗ_iにおけるＤＲＹ路面における特徴量識別値Ｙ_iDは、以下の式（５）で表せる。
Ｙ_iD＝ａ_D1・Ｘ_i1＋ａ_D2・Ｘ_i2＋……＋ａ_Dm・Ｘ_im＋ｂ_D……（５）
同様に、ＷＥＴ路面における特徴量識別値Ｙ_iW、ＳＮＯＷ路面における特徴量識別値Ｙ_iS、及び、ＩＣＥ路面における特徴量識別値Ｙ_iIは、それぞれ以下の式（６）〜（８）のように表せる。
Ｙ_iW＝ａ_W1・Ｘ_i1＋ａ_W2・Ｘ_i2＋……＋ａ_Wm・Ｘ_im＋ｂ_W……（６）
Ｙ_iS＝ａ_S1・Ｘ_i1＋ａ_S2・Ｘ_i2＋……＋ａ_Sm・Ｘ_im＋ｂ_S……（７）
Ｙ_iI＝ａ_I1・Ｘ_i1＋ａ_I2・Ｘ_i2＋……＋ａ_Im・Ｘ_im＋ｂ_I……（８）
識別関数演算値算出手段３５は、識別関数値算出手段３４で算出されたｎ台の車両Ｗ_iの識別関数値Ｙ_iR（ｉ＝１〜ｎ、Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）を用いた演算値である識別関数演算値Ｚ_Rを算出する。
識別関数演算値Ｚ_Rとしては、例えば、Ｚ_R＝（Ｙ_1R＋Ｙ_2R＋……＋Ｙ_nR）/ｎ、すなわち、各車両Ｗ_iの識別関数値Ｙ_iRの平均値を用いることができる。
なお、識別関数演算値Ｚ_Rとしては、平均値に代えて、中央値としてもよい。
路面状態判別手段３３は、最大値を取る識別関数演算値Ｚ_Rに対応する路面状態Ｒを、所定の時間内かつ所定の範囲内の場所における路面状態と判別する。
この路面状態の判別を、予め設定された時刻毎に、予め設定された複数の箇所を含む領域毎に行えば、道路地図上における各時刻における路面状態を精度よく判別することができる。

実施の形態３．
前記実施の形態２では、ｎ台の車両Ｗ_iの特徴量Ｘ_iｊの識別関数値Ｙ_iRをそれぞれ求めた後、識別関数値Ｙ_iRを用いた演算値である識別関数演算値Ｚ_Rを算出し、この識別関数演算値Ｚ_Rを用いて路面状態を判別したが、識別関数値Ｙ_iRの識別関数値の分布状態と、予め求めておいた路面状態毎の識別関数値Ｃ_Rの分布状態との類似度である識別値類似度Ｈ_Rを計算し、この識別値類似度Ｈ_Rから、所定の時間内かつ所定の範囲内の場所における路面状態を判別するようにすれば、路面状態の判別精度を更に向上させることができる。
図５は、本実施の形態３に係る路面状態判別システム３の構成を示す機能ブロック図で、路面状態判別システム３は、加速度センサ１１と、車輪速センサ１２と、特徴量算出手段１３と、ＧＰＳ装置１４と、車両情報収集手段１５と、送信機１６と、受信機１７とを備えたｎ台の車両Ｗ_i（ｉ＝１〜ｎ）と、路面状態管理センター２に設けられるサーバー２０及び路面状態判別装置３０Ｂとを備える。
以下に、路面状態判別装置３０Ｂについて説明する。なお、車両Ｗ_i、及び、サーバー２０の構成及び動作については、前記実施の形態１と同様であるので、説明を省略する。

路面状態判別装置３０Ｂは、識別関数値算出手段３４と、識別値類似度算出手段３６と、路面状態判別手段３３とを備える。
本例では、識別関数値算出手段３４として、実施の形態２の識別関数値算出手段３４を用いて、所定の時間内かつ所定の範囲内の場所における車両Ｗ_iの特徴量Ｘ_iｊの識別関数値Ｙ_iR＝Ｆ_R（Ｘ_iｊ）を算出した。
車両Ｗ_iにおける路面Ｒにおける特徴量識別値Ｙ_iRの算出式は以下の通りである。
Ｙ_iR＝ａ_R1・Ｘ_i1＋ａ_R2・Ｘ_i2＋……＋ａ_Rm・Ｘ_im＋ｂ_R
識別値類似度算出手段３６は、識別関数値算出手段３４で算出されたｎ台の車両Ｗ_iの識別関数値Ｙ_iR（ｉ＝１〜ｎ、Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）の分布状態と、予め路面状態Ｒ毎に求めておいた識別関数の分布（以下、識別路面モデルＭ_Rという）との識別値類似度Ｈ_Rを算出する。
識別路面モデルＭ_Rは、標準タイヤを装着した試験車両をＲ路面にて一定速度で多数回（Ｎ回）走行させて得られた４（路面状態数）×Ｎ個の特徴量Ｘ_Rｊ（ｊ＝１〜ｍ）をそれぞれ路面識別関数Ｆ_Rに代入して求めた４（路面状態数）×Ｎ個の識別関数値Ｙ_iR＝Ｆ_R（Ｘ_Rｊ）の分布状態である。
識別関数値算出手段３４を用いて算出された特徴量識別値Ｙ_iRの分布状態と、識別路面モデルＭ_Rとの類似度は、例えば、混合ガウスモデルなどの統計モデルを用いて算出することができる。
混合ガウスモデルＧ_R（ｘ）は路面状態Ｒ毎（ここでは、４つ）に作成されるもので、以下の式［数１］で表せる。すなわち、［数１］の式は、識別路面モデルＭ_Rを混合ガウスモデルとしたときの式である。

Ｋは混合数で、ｄは路面状態Ｒの数（ここでは、ｄ＝４）である。
また、混合比π_R、混合要素の共分散行列Σ_R、混合要素の平均ベクトルμ_Rなどのパラメータは、ＥＭアルゴリズムなどの既知の手法を用いて求めることができる。

識別値類似度Ｈ_Rは、上記の式［数１］の変数ｘに各車両Ｗ_iの識別関数値Ｙ_iを代入した値である車両毎の類似度ｈ_iRを加算することで求めることができる。
識別関数値Ｙ_iはベクトルで、Ｙ_i＝（Ｙ_iD，Ｙ_iW，Ｙ_iS，Ｙ_iI）である。
すなわち、ＤＲＹ路面の類似度Ｈ_Dは、Ｈ_D＝Σ_iＧ_D（Ｙ_i）により算出され、ＷＥＴ路面の類似度Ｈ_Wは、Ｈ_W＝Σ_iＧ_W（Ｙ_i）により算出される。また、ＳＮＯＷ路面の類似度Ｈ_Sは、Ｈ_S＝Σ_iＧ_S（Ｙ_i）により算出され、ＩＣＥ路面の類似度Ｈ_Iは、Ｈ_I＝Σ_iＧ_I（Ｙ_i）により算出される（ｉ＝１〜ｎ）。
車両毎の類似度ｈ_iRは、識別路面モデルＭ_Rと各車両Ｗ_iの識別関数値ベクトルＹ_iとの距離に対応する値で、識別値類似度Ｈ_Rはその総和である。
路面状態判別手段３３は、最大値を取る識別値類似度Ｈ_Rに対応する路面状態Ｒを、所定の時間内かつ所定の範囲内の場所における路面状態と判別する。
このように、識別関数値ベクトルＹ_iの分布状態が、混合ガウスモデルＧ_R（ｘ）を構成する路面モデルＭ_Rのなかのどの路面モデルと類似しているかを調べることで、路面状態Ｒを判別するようにしたので、所定の時間内かつ所定の範囲内の場所における路面状態Ｒを更に精度よく判別することができる。

実施の形態４．
前記実施の形態３では、各車両Ｗ_iの識別関数値Ｙ_iの分布状態と識別路面モデルＭ_Rとの分布状態とから路面状態Ｒを判定したが、路面状態判別装置３０Ｂに代えて、図７に示す構成の路面状態判別装置３０Ｃを設けて、車両Ｗ_i毎の特徴量Ｘ_iｊを構成する特徴量ベクトルＰ_iの分布状態と、路面ごとの特徴量ベクトルの分布を表す特徴量路面モデルＣ_Rとの分布状態とから路面状態Ｒを判定するようにしてもよい。
路面状態判別装置３０Ｃは、特徴量類似度算出手段３７と、路面状態判別手段３３とを備える。
特徴量類似度算出手段３７は、特徴量算出手段１３で算出された特徴量Ｘ_ij（ｉ＝１〜ｎ、ｊ＝１〜ｍ）から成る車両Ｗ_i毎の特徴量ベクトルＰ_i＝（Ｘ_i1，Ｘ_i2，……，Ｘ_im）の分布状態と、予め路面状態Ｒ毎に求めておいた特徴量の分布状態（以下、特徴量路面モデルＣ_Rという）との類似度Ｓ_Rを算出する。
特徴量路面モデルＣ_Rは、標準タイヤを装着した試験車両をＲ路面にて一定速度で多数回（Ｎ回）走行させて得られた４（路面状態数）×Ｎ個の特徴量ベクトルＰ_iの分布状態である。
特徴量ベクトルＰ_iの分布状態と、特徴量路面モデルＣ_Rとの類似度は、実施の形態３と同様に、前記式［数１］に記載したような、混合ガウスモデルＧ_R（ｘ）などの統計モデルを用いて算出することができる。
類似度Ｓ_Rは、上記の式［数１］の変数ｘに各車両Ｗ_iの特徴量ベクトルＰ_iを代入した値である。
すなわち、ＤＲＹ路面の類似度Ｓ_Dは、Ｓ_D＝Σ_iＧ_D（Ｐ_i）により算出され、ＷＥＴ路面の類似度Ｓ_Wは、Ｓ_W＝Σ_iＧ_W（Ｐ_i）により算出される。また、ＳＮＯＷ路面の類似度Ｓ_Sは、Ｓ_S＝Σ_iＧ_S（Ｐ_i）により算出され、ＩＣＥ路面の類似度Ｓ_Iは、Ｓ_I＝Σ_iＧ_I（Ｐ_i）により算出される（ｉ＝１〜ｎ）。
類似度Ｓ_Rも、特徴空間において、特徴量路面モデルＣ_Rと各車両Ｗ_iの特徴量Ｘ_ijとの距離が近いほど大きい。
路面状態判別手段３３は、最大値を取る類似度Ｓ_Rに対応する路面状態Ｒを、所定の時間内かつ所定の範囲内の場所における路面状態と判別する。
このように、特徴量ベクトルＰ_iが、混合ガウスモデルＧ_R（ｘ）を構成する特徴量路面モデルＭ_Xのなかのどの路面モデルと類似しているかを調べるようにしても、所定の時間内かつ所定の範囲内の場所における路面状態Ｒを更に精度よく判別することができる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は前記実施の形態に記載の範囲には限定されない。前記実施の形態に、多様な変更または改良を加えることが可能であることが当業者にも明らかである。そのような変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲から明らかである。

例えば、前記実施の形態１〜４では、路面状態をＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面の４種類としたが、これに限るものではなく、路面摩擦係数μによりに分けたり、「高μ路（μ≧０．７）」、「中μ路（０．３＜μ＜０．７）」、「低μ路（μ≦０．３）」などに分けてもよい。
また、前記実施の形態１〜４では、各車両Ｗ_iで採取した車両情報から路面状態を判別したが、各車両Ｗ_iに、図外のインターネットに接続して車外情報を取得するＷｅｂ情報取得手段を設けて、天候，気温，降水量，風速，日照時間などの気象情報や地形情報，交通情報，道路管理情報などの道路情報などを取得するとともに、取得された車両外情報を用いて、路面識別関数Ｆ_R（Ｘ）、または、識別路面モデルＭ_R、または、特徴量路面モデルＣ_Rを修正するか、もしくは、車両外情報毎に、路面識別関数Ｆ_R（Ｘ）、識別路面モデルＭ_R、または、特徴量路面モデルＣ_Rを設定もしくは作成しておけば、路面状態の判別精度を更に向上させることができる。
なお、Ｗｅｂ情報取得手段をサーバー２０に設け、サーバー２０にて気象情報や道路情報を取得するようにしてもよい。

以上説明したように、本発明によれば、前記所定の時間内かつ所定の範囲内の場所における路面状態を精度よく判別することができるので、この判別結果を、所定の範囲内の場所を走行する車両に通知するなどすれば、車両の走行安全性を向上させることができる。

１；３路面状態判別システム、２路面状態管理センター、
１１加速度センサ、１２車輪速センサ、１３特徴量算出手段、１４ＧＰＳ装置、
１５車両情報収集手段、１６送信機、１７受信機、
２０サーバー、２１受信機、２２データ記憶手段、２３送信機、
３０，３０Ａ〜３０Ｃ路面状態判別装置、３１特徴量演算値算出手段、
３２特徴量識別値算出手段、３３路面状態判別手段、３４識別関数値算出手段、
３５識別関数演算値算出手段、３６識別値類似度算出手段、
３７特徴量類似度算出手段、
４０タイヤ、４１インナーライナー部、４２タイヤ気室、４３トレッド、
４４リム、Ｗ₁〜Ｗ_n 車両。

Claims

車両の走行時の挙動の情報である車両情報を取得する車載センサ、前記車載センサにより取得した車両情報から前記車両の走行する路面の状態を推定するための複数の特徴量を算出する特徴量算出手段、及び、前記特徴量を当該車両の外部に送信する送信手段を備えた複数台の車両と、
前記複数台の車両の送信手段からそれぞれ送信される特徴量を蓄積するサーバーと、
前記蓄積された複数台の車両の特徴量を用いて路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、
前記送信される特徴量が、所定の時間内かつ所定の範囲内の場所における前記特徴量であり、
前記路面状態判別装置は、
前記複数の特徴量のそれぞれについて、所定の時間内かつ所定の範囲内の場所における前記複数台の車両の特徴量を用いた演算値である特徴量演算値を算出する特徴量演算値算出手段と、
前記複数の特徴量演算値を、予め路面状態毎に設定した路面識別関数にそれぞれ入力して得られる特徴量識別値を、前記路面識別関数毎に算出する特徴量識別値算出手段と、
前記算出された路面識別関数毎の特徴量識別値を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別する路面状態判別手段とを備え、
前記複数台の車両の特徴量を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別することを特徴とする路面状態判別システム。
車両の走行時の挙動の情報である車両情報を取得する車載センサ、前記車載センサにより取得した車両情報から前記車両の走行する路面の状態を推定するための複数の特徴量を算出する特徴量算出手段、及び、前記特徴量を当該車両の外部に送信する送信手段を備えた複数台の車両と、
前記複数台の車両の送信手段からそれぞれ送信される特徴量を蓄積するサーバーと、
前記蓄積された複数台の車両の特徴量を用いて路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、
前記送信される特徴量が、所定の時間内かつ所定の範囲内の場所における前記特徴量であり、
前記路面状態判別装置は、
前記複数台の車両毎に、前記複数の特徴量を、予め路面状態毎に設定した路面識別関数にそれぞれ入力して、車両毎の識別値である識別関数値を、前記路面識別関数毎に算出する識別関数値算出手段と、
前記算出された路面識別関数毎の識別関数値を用いた演算値である識別関数演算値を算出する識別関数演算値算出手段と、
前記算出された識別関数演算値を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別する路面状態判別手段とを備え、
前記複数台の車両の特徴量を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別することを特徴とする路面状態判別システム。
車両の走行時の挙動の情報である車両情報を取得する車載センサ、前記車載センサにより取得した車両情報から前記車両の走行する路面の状態を推定するための複数の特徴量を算出する特徴量算出手段、及び、前記特徴量を当該車両の外部に送信する送信手段を備えた複数台の車両と、
前記複数台の車両の送信手段からそれぞれ送信される特徴量を蓄積するサーバーと、
前記蓄積された複数台の車両の特徴量を用いて路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、
前記送信される特徴量が、所定の時間内かつ所定の範囲内の場所における前記特徴量であり、
前記路面状態判別装置は、
前記複数台の車両毎に、前記複数の特徴量を、予め路面状態毎に設定した路面識別関数にそれぞれ入力して、車両毎の識別値である識別関数値を、前記路面識別関数毎に算出する識別関数値算出手段と、
前記算出された路面識別関数毎の識別関数値の分布状態と、予め求めておいた路面状態毎の識別関数値の分布状態との類似度である識別値類似度を計算し、前記計算された識別値類似度から、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別する路面状態判別手段とを備え、
前記複数台の車両の特徴量を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別することを特徴とする路面状態判別システム。
車両の走行時の挙動の情報である車両情報を取得する車載センサ、前記車載センサにより取得した車両情報から前記車両の走行する路面の状態を推定するための複数の特徴量を算出する特徴量算出手段、及び、前記特徴量を当該車両の外部に送信する送信手段を備えた複数台の車両と、
前記複数台の車両の送信手段からそれぞれ送信される特徴量を蓄積するサーバーと、
前記蓄積された複数台の車両の特徴量を用いて路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、
前記送信される特徴量が、所定の時間内かつ所定の範囲内の場所における前記特徴量であり、
前記路面状態判別装置は、
前記複数台の車両のそれぞれについて、前記特徴量の分布状態を、予め求めておいた路面状態毎の特徴量の分布状態との類似度である特徴量類似度を計算する特徴量類似度算出手段と、
前記計算された各車両の特徴量類似度から、所定の時間内かつ所定の範囲内の場所における路面状態を判別する路面状態判別手段とを備え、
前記複数台の車両の特徴量を用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別することを特徴とする路面状態判別システム。
前記車載センサが、タイヤ内に配置された加速度センサであることを特徴とする請求項１〜請求項４のいずれかに記載の路面状態判別システム。
車両外情報を取得する手段を設けるとともに、
前記取得された車両外情報を用いて、前記路面識別関数、または、路面状態毎の識別関数値の分布状態、または、路面状態毎の特徴量の分布状態を修正することを特徴とする請求項１〜請求項５のいずれかに記載の路面状態判別システム。