CN109689463A - 路面状态预测系统、驾驶支援系统、路面状态预测方法以及数据分发方法 - Google Patents

Abstract

路面状态预测系统(1)，具备：收集部(210)，从多个移动体(1A，1B)的每一个收集多个移动体(1A，1B)的每一个检测通行中的道路(3)的路面上的水分而得到的与路面上的水分有关的水分信息、以及示出检测出水分的路面的位置的位置信息；以及预测部(220)，根据收集部(210)收集的多个水分信息之中的、检测作为收集部(210)收集的多个位置信息中的至少一个示出的位置的路面的对象路面上的水分而得到的水分信息，预测检测出对象路面上的水分的时刻之后的时刻的对象路面的水分状态。

Description

路面状态预测系统、驾驶支援系统、路面状态预测方法以及数 据分发方法

技术领域

本公开涉及，预测路面的水分状态的路面状态预测系统、驾驶支援系统、路面状态预测方法以及数据分发方法。

背景技术

例如，专利文献1公开，利用根据由车载传感器获得的车辆的行为的信息运算的规定范围内的地点的路面预测判断值等，预测规定范围内的地点的路面状态的技术。并且，专利文献2公开，检测水分分布以作为车辆行驶路径的路面状态，根据外部空气温度预测路面冻结的技术。并且，专利文献3公开，预测车道是否淋湿，根据预测结果进行自动型车辆的驱动决定的技术。

(现有技术文献)

(专利文献)

专利文献1：日本特开2016-80451号公报

专利文献2：日本特开2010-151543号公报

专利文献3：日本特表2015-535204号公报

然而，在所述现有技术中，路面的水分状态的预测精度不充分。

发明内容

于是，本公开的目的在于，提供能够高精度地检测路面的水分状态的路面状态预测系统、驾驶支援系统、路面状态预测方法以及数据分发方法。

为了实现所述目的，本公开的实施方案之一涉及的路面状态预测系统，具备：收集部，从多个移动体的每一个收集水分信息以及位置信息，所述水分信息是所述多个移动体的每一个检测通行中的道路的路面上的水分而得到的与所述路面上的水分有关的信息，所述位置信息示出检测出所述水分的路面的位置；以及预测部，根据所述收集部收集的多个所述水分信息之中的、检测对象路面上的水分而得到的水分信息，预测检测出所述对象路面上的水分的时刻之后的时刻的所述对象路面的水分状态，所述对象路面是所述收集部收集的多个所述位置信息中的至少一个示出的位置的路面。

并且，本公开的实施方案之一涉及的驾驶支援系统，具备：所述路面状态预测系统；接收终端，搭载在车辆，并且接收所述分发信息；以及控制部，根据所述接收终端接收的分发信息，支援所述车辆的自动驾驶。

并且，本公开的实施方案之一涉及的路面状态预测方法，从多个移动体的每一个收集水分信息以及位置信息，所述水分信息是所述多个移动体的每一个检测通行中的道路的路面上的水分而得到的与所述路面上的水分有关的信息，所述位置信息示出检测出所述水分的路面的位置，根据收集的多个所述水分信息之中的、检测对象路面上的水分而得到的水分信息，预测检测出所述对象路面上的水分的时刻之后的时刻的所述对象路面的水分状态，所述对象路面是收集的多个所述位置信息中的至少一个示出的位置的路面。

并且，本公开的实施方案之一涉及的数据分发方法，分发包括通过所述路面状态预测方法预测的预测结果的分发信息。

而且，它们的总括或具体的形态，也可以作为系统、方法、集成电路、计算机程序或计算机可读取的CD-ROM等的记录介质来实现，也可以任意组合系统、方法、集成电路、计算机程序以及记录介质来实现。

根据本公开，提供能够高精度地检测路面的水分状态的路面状态预测系统、驾驶支援系统、路面状态预测方法以及数据分发方法等。

附图说明

图1是示出实施方式1涉及的路面状态预测系统的概要的示意图。

图2是示出实施方式1涉及的路面状态预测系统的最小结构的框图。

图3是示出实施方式1涉及的路面状态预测系统的其他的结构的框图。

图4是示出实施方式1涉及的路面状态预测系统的其他的结构的框图。

图5是示出实施方式1涉及的路面状态预测系统的其他的结构的框图。

图6是示出实施方式1涉及的路面状态预测系统的其他的结构的框图。

图7是示出实施方式1涉及的路面状态预测系统的水分信息的获得处理的流程图。

图8是示出实施方式1涉及的路面状态预测系统的存储部所积蓄的积蓄数据的结构的图。

图9是示出实施方式1涉及的路面状态预测系统的路面上的水分状态的预测处理的流程图。

图10是示出实施方式1涉及的路面状态预测系统的预测算法的流程图。

图11是示出实施方式1涉及的水分状态的预测结果的一个例子的图。

图12是示出实施方式1涉及的路面状态预测系统的信息的更新处理的流程图。

图13是示出实施方式2涉及的路面状态预测系统的结构的框图。

图14是示出实施方式3涉及的路面状态预测系统的结构的框图。

图15是示出实施方式4涉及的路面状态预测系统的结构的框图。

图16是示出实施方式4涉及的路面状态预测系统的信息的更新处理的流程图。

图17是示出实施方式5涉及的驾驶支援系统的结构的框图。

图18是示出实施方式6涉及的路面状态预测系统的概要的示意图。

图19是示出实施方式6涉及的路面状态预测系统的结构的框图。

图20是示出实施方式6涉及的特定时刻的四个地点的位置的积蓄数据的一个例子的图。

图21是示出实施方式6涉及的特定位置的每一个小时的积蓄数据的一个例子的图。

图22是示出实施方式6涉及的路面状态预测系统的第一工作的流程图。

图23是示出实施方式6涉及的路面状态预测系统的第二工作的流程图。

图24是示出实施方式6涉及的路面状态预测系统的第三工作的流程图。

图25是示出实施方式6涉及的路面状态预测系统的第四工作的流程图。

具体实施方式

(作为本公开的基础的知识)

阻碍车辆行驶的路面状态有，使车轮与路面之间的摩擦系数降低的路面的浸水、水洼、冻结、积雪等的状态。例如，若考虑导致路面的冻结的状况，则存在如下的过程。首先，因下雨或下雪等而在路面产生水洼或积雪。剩下的水、或因融雪而产生的水，随着路面温度的降低而冻结。

并且，在冻结、积雪、水洼的任意中，其扩展，都影响到状态转移的速度。具体而言，扩展是，冻结、积雪或水洼的范围的面积或检测方向的长度。在此，状态转移是指，例如，从冻结向水洼的状态的转移，或其相反，或者，从积雪向水洼的状态的转移，或从积雪向冻结的转移等。因此，为了预测路面状态，而优选的是，需要知道过去的路面状态、以及其扩展。

水分的检测技术有，利用近红外区的双色分光的方法。水，在740nm、980nm、1450nm、1940nm附近的波长，具有光的吸收峰值。在双色分光中，首先，将吸收峰值附近的光(以下，称为吸收光)、以及吸收峰值附近以外的光(以下，称为参考光)照射到路面。而且，对路面的吸收光的散射反射光和参考光的散射反射光的强度比(＝吸收/参考)与规定的阈值进行比较。

例如，在路面存在水分的情况下，吸收光由水分吸收并衰减，因此，吸收光所产生的散射反射光的强度变小。在路面不存在水分的情况下，基于水分的衰减被抑制，因此，吸收光的散射反射的光强度变大。而且，参考光的散射反射光，不依赖于水分的有无。如此，能够检测水分的有无。具体而言，预先测量干燥的路面的强度比，将其测量值作为规定的阈值利用。若测量的对象路面的强度比，低于规定的阈值，则能够知道路面淋湿。

进而，由辐射温度计等测量路面的温度。据此，若有水、且路面温度低于0℃，则能够知道路面冻结。并且，若有水、且路面温度为0℃以上，则能够知道在路面上存在水。

并且，雪是强的散射体。因此，有积雪的路面的参考光的散射反射光，与没有积雪的路面的散射反射光相比，示出强的散射反射。因此，预先测量干燥路面的参考光的反射率，若测量的对象路面的参考光的反射率超过干燥路面的参考光的反射率，则能够知道有雪。

并且，本发明人通过独自的探讨发现，通过适当地设计使用的波长、光强度、偏振光，从而也能够测量水的量。例如，将1400nm至1600nm的波长的光照射到路面，测量照射的光的散射反射光，从而能够测量数十μm至数百μm的范围的水的厚度。同样，将900nm至1100nm的波长的光照射到路面，测量照射的光的散射反射光，从而能够测量数百μm至数cm的范围的水的厚度。

水的厚度越薄，吸收光的散射反射光的光量就越大。另一方面，在水的厚度过大、或过小的情况下，散射反射光的光量与水的厚度的关系性降低，S/N也降低。因此，知道为了高精度地测量水的厚度，而需要按照想要测量的水的厚度的范围使用适当的波长。

通过测量路面的水分量，从而能够高精度地测量以后干燥为止的时间。并且，能够预测因白天的气温上升而完全干燥，还是因在水分剩下的状态下到了夜晚而气温下降从而冻结。

进而，在吸收光的散射反射光、以及参考光的散射反射光由区域传感器接受，并用热成像仪的情况下，能够判别水、冰、雪，并且，也能够知道其大小。将路面上的水分判别为水、冰、雪来掌握，并且，能够知道其大小，据此，路面的水分状态的预测精度提高。

例如，在检测出路面的水的情况下，然后，若没有下雨或下雪且气温上升，则水逐渐减少。此时，若检测出的水的范围宽，则水的消失为止的时间长，若水的范围窄，则水的消失为止的时间短。同样，若检测出的水的厚度薄，则水的消失为止的时间短，若水的厚度厚，则水的消失为止的时间长。另一方面，若气温下降且路面温度低于0℃，则冻结的可能性高。

路面温度的变化，除了气温以外，还与来自路面的热辐射、因过去的天候而积蓄在路面的热量等有关。因此，获得水分信息的地点的天候信息是重要的。通过气象台发表的信息、或设置在道路的气象观测装置等能够获得天候信息。在路面存在积雪的情况下，若路面温度低于0℃则维持雪的状态，若路面温度超过0℃则开始融雪。在该状态下，若因气象变化而路面温度低于0℃，则路面冻结。

在路面存在冰的情况下，即，在路面冻结的情况下，以路面温度0℃的情况为基准，区别为维持冰的状态，还是变化为水。进而，能够预测因以后的气象变化而再次冻结、还是成为干燥路面。此时，不管是雪还是冰，若知道其大小以及厚度的至少一方，则能够容易预测融化或消失为止的时间。如此，路面状态的预测精度提高。

并且，水分信息也可以包括，水分的温度信息。根据测量时刻的水分温度，不仅能够判断此时刻的水分状态(雪、冰、水)，也能够提高预测以后的融雪或冻结为止的时间的精度。例如，测量时刻的水分温度为0℃以上、且越高，水分冻结为止的时间就越长。并且，测量时刻的水分温度低于0℃、且越低，融雪为止的时间就越长。

并且，水分信息也可以包括，示出水分的太阳光的吸收率的吸光信息。例如，含有泥等的太阳光的吸收率高的水分，日照所产生的温度上升大，融雪为止的时间短。例如根据参考光的散射反射光的强度计算太阳光的吸收率。散射反射光的强度越大，就越知道是太阳光的吸收率低的水分。

也就是说，知道示出路面的水分的状态、大小、厚度、温度、表面的太阳光的吸收率等的水分信息、以及天候信息，从而能够提高路面状态的预测精度。

天候信息也可以，除了气温以及湿度以外，还包括日照、或风的强度等。日照越强，干燥、融化或融雪的速度就越快，风越强，干燥的速度越快。通过利用给水分状态的变迁带来影响的更多信息，从而能够提高路面状态的预测精度。

为了实现如上知识，本公开的实施方案之一涉及的路面状态预测系统，具备：收集部，从多个移动体的每一个收集水分信息以及位置信息，所述水分信息是所述多个移动体的每一个检测通行中的道路的路面上的水分而得到的与所述路面上的水分有关的信息，所述位置信息示出检测出所述水分的路面的位置；以及预测部，根据所述收集部收集的多个所述水分信息之中的、检测对象路面上的水分而得到的水分信息，预测检测出所述对象路面上的水分的时刻之后的时刻的所述对象路面的水分状态，所述对象路面是所述收集部收集的多个所述位置信息中的至少一个示出的位置的路面。

根据这样的结构，能够高精度地预测路面上的水分状态。并且，从多个移动体的每一个收集水分信息，因此，例如，在多个移动体在不同道路进行通行中的情况下，能够收集宽范围的水分信息。并且，在多个移动体在不同时间段在相同的道路进行通行的情况下，能够使相对于路面上的水分状态的变化的信息量变多。据此，能够提高水分状态的预测精度。

并且，例如，也可以是，所述水分信息包括，示出检测出的水分的厚度的厚度信息。

根据这样的结构，包括厚度信息，因此，能够估计路面上的水分量，能够高精度地预测水分的消失、融化或冻结等所需要的时间等。因此，能够提高水分状态的预测精度。

并且，例如，也可以是，所述水分信息包括，示出检测出的水分的温度的温度信息。

根据这样的结构，包括温度信息，因此，能够获得路面上的水分的温度，能够高精度地预测水分的消失、融化或冻结等所需要的时间等。因此，能够提高水分状态的预测精度。

并且，例如，也可以是，所述水分信息包括，示出检测出的水分的太阳光的吸收率的吸光信息。

根据这样的结构，包括吸光信息，因此，能够估计路面上的水分由太阳光蒸发的容易性，能够高精度地预测水分的消失、融化或冻结等所需要的时间等。因此，能够提高水分状态的预测精度。

并且，例如，也可以是，本公开的实施方案之一涉及的路面状态预测系统还具备第一获得部，所述第一获得部获得环境信息，所述环境信息示出所述收集部收集的多个所述位置信息中的至少一个所示的位置的气温、湿度、风速、太阳光的光量以及气压中的至少一个。

根据这样的结构，能够估计周围的环境给水分带来的影响，因此，能够高精度地预测水分的消失、融化或冻结等。因此，能够提高水分状态的预测精度。

并且，例如，也可以是，本公开的实施方案之一涉及的路面状态预测系统还具备第二获得部，所述第二获得部获得天候信息，所述天候信息示出所述收集部收集的多个所述位置信息中的至少一个所示的位置的天候。

根据这样的结构，能够估计天候给水分带来的影响，因此，能够高精度地预测水分的消失、融化或冻结等。因此，能够提高水分状态的预测精度。

并且，例如，也可以是，本公开的实施方案之一涉及的路面状态预测系统还具备：判别部，判别检测出的水分是水、冰、雪或它们的混合状态中的哪一个，从而生成示出检测出的水分状态的状态信息；以及积蓄部，将所述状态信息、所述位置信息、以及所述天候信息建立对应来积蓄。

通过这样的结构，根据路面上的水分的状态和天候信息，能够提高水分状态的预测精度。并且，将状态信息、位置信息、以及天候信息建立对应来积蓄，从而能够根据过去的数据更高精度地进行水分状态的预测。

并且，例如，也可以是，所述判别部还判别水、冰、雪或它们的混合状态在路面上的扩展程度。

通过这样的结构，能够估计路面上的水分量，能够高精度地预测水分的消失、融化或冻结等所需要的时间等。因此，能够提高水分状态的预测精度。

并且，例如，也可以是，所述判别部，搭载在所述多个移动体的每一个。

通过这样的结构，能够判别多个移动体的每一个的水分状态，因此，能够进行移动体的水分状态的预测。

并且，例如，也可以是，所述第二获得部，获得检测出所述位置信息示出的位置的路面上的水分的时刻以后的多个时刻的多个所述天候信息，所述积蓄部，积蓄所述第二获得部获得的多个所述天候信息。

通过这样的结构，根据过去的天候信息、以及将来的气象预测，能够提高水分状态的预测精度。

并且，例如，也可以是，所述积蓄部，进一步，根据所述天候信息更新所述状态信息。

通过这样的结构，根据天候信息更新状态信息，因此，能够进行基于精度高的信息的预测。因此，能够提高水分状态的预测精度。而且，更新的间隔是，例如几秒至几天，但是，不仅限于此。

并且，例如，也可以是，所述积蓄部，按所述多个移动体的每个移动路径汇集并积蓄所述状态信息。

通过这样的结构，能够在宽广的区域收集许多水分的检测结果，因此，能够进行宽范围、且精度高的水分状态的预测数据的制作以及利用。

并且，例如，也可以是，本公开的实施方案之一涉及的路面状态预测系统还具备第三获得部，所述第三获得部，获得与道路的改变有关的改变信息，所述积蓄部，根据所述改变信息更新所述状态信息。

通过这样的结构，能够将道路管理者等进行的除雪工作、排水工作、或冻结的融化工作等所引起的水分状态的变化迅速反映到水分状态的预测。

并且，例如，也可以是，本公开的实施方案之一涉及的路面状态预测系统还具备通知部，所述通知部，通知所述预测部的预测结果。

通过这样的结构，能够向驾驶车辆的人、或在道路进行通行的人等事前通知路面状态。

并且，例如，也可以是，本公开的实施方案之一涉及的路面状态预测系统，还具备：判断部，根据所述预测部的预测结果判断道路的通行的可否；以及搜索部，在所述判断部判断为不能通行的情况下，搜索迂回路，所述通知部，还通知所述搜索部所搜索的迂回路。

通过这样的结构，能够避免成为移动的障碍的部分。

并且，例如，也可以是，本公开的实施方案之一涉及的路面状态预测系统还具备分发部，所述分发部，分发包括所述预测部的预测结果的分发信息。

通过这样的结构，能够将预测结果分发到其他车辆、道路管理者、交通管理者、交通信息经营者、运输经营者、邮政经营者等。

并且，例如，也可以是，本公开的实施方案之一涉及的驾驶支援系统，具备：所述路面状态预测系统；接收终端，搭载在车辆，并且接收所述分发信息；以及控制部，根据所述接收终端接收的分发信息，支援所述车辆的自动驾驶。

通过这样的结构，根据分发的预测结果能够进行危险部分的避免、车速的控制、或悬挂系统的控制等，因此，能够进行安全的行驶。

并且，例如，也可以是，本公开的实施方案之一涉及的驾驶支援系统，具备：所述路面状态预测系统；控制部，根据所述预测部的预测结果，支援车辆的自动驾驶。

通过这样的结构，即使在从自车不能感测的地点，也根据预测结果能够进行危险部分的避免、车速的控制、或悬挂系统的控制等，因此，能够进行安全的行驶。

并且，本公开的实施方案之一涉及的路面状态预测方法，从多个移动体的每一个收集水分信息以及位置信息，所述水分信息是所述多个移动体的每一个检测通行中的道路的路面上的水分而得到的与所述路面上的水分有关的信息，所述位置信息示出检测出所述水分的路面的位置，根据收集的多个所述水分信息之中的、检测对象路面上的水分而得到的水分信息，预测检测出所述对象路面上的水分的时刻之后的时刻的所述对象路面的水分状态，所述对象路面是收集的多个所述位置信息中的至少一个示出的位置的路面。

根据这样的结构，能够高精度地预测路面上的水分状态。并且，从多个移动体的每一个收集水分信息，因此，例如，在多个移动体在不同道路进行通行中的情况下，能够收集宽范围的水分信息。并且，在多个移动体在不同时间段在相同的道路进行通行的情况下，能够使相对于路面上的水分状态的变化的信息量变多。据此，能够提高水分状态的预测精度。

并且，本公开的实施方案之一涉及的数据分发方法，分发包括通过所述路面状态预测方法预测的预测结果的分发信息。

根据这样的结构，能够将预测结果分发到其他车辆、道路管理者、交通管理者、交通信息经营者、运输经营者、邮政经营者等。

而且，在后面进行详细说明，但是，在本公开的路面状态预测系统中，会有根据过去获得的水分信息以及现在为止的天候信息的履历，估计现在的路面的水分状态的情况。在本说明书中，将现在的路面的水分状态的估计，也以与将来的水分状态的预测相同的“预测”这表现统一。而且，不仅限于现在，也对于相对于获得水分信息的时刻而未来、并且相对于现在而过去的时刻的路面状态的估计，也同样利用“预测”这表现。

以下，对于本公开的实施方式，参照附图进行说明。

而且，以下说明的实施方式，都示出本公开的一个具体例子。以下的实施方式示出的数值、形状、构成要素、构成要素的配置、连接形态、步骤、步骤的顺序等是一个例子而不是限定本公开的宗旨。因此，对于以下的实施方式的构成要素中的、示出最上位概念的实施方案中没有记载的构成要素，作为任意的构成要素而被说明。并且，在所有的实施方式中，也能够组合各个内容。

并且，各个图是示意图，并不一定是严密示出的图。并且，在各个图中，对于实际相同的构成部件附加相同的符号，会有省略或简略化重复的说明的情况。

(实施方式1)

图1是示出实施方式1涉及的路面状态预测系统1的概要的示意图。

图1示意性地示出，两台移动体1A以及1B，在道路3进行通行的情况。道路3，经过桥梁4上、以及隧道的出口5，通往隧道的内部。移动体1A，将要通过桥梁4，移动体1B是，从隧道的出口5出来的。

移动体1A以及1B是，具体而言，四轮车或二轮车等的车辆，在道路3行驶。而且，移动体1A以及1B的至少一方也可以是，称为无人机的飞行体。

移动体1A以及1B，在道路3进行通行中，检测道路3的路面上的水分，从而获得与路面上的水分有关的水分信息。移动体1A以及1B，与信息中心2以无线进行通信，从而进行信息的发送或接收。

信息中心2，接收从移动体1A以及1B发送的信息，对接收的信息进行处理。信息中心2是，具体而言，计算机等的信息处理装置。

本实施方式涉及的路面状态预测系统1具备，包括移动体1A以及1B的多个移动体、以及信息中心2。以下，对于路面状态预测系统1具备的构成要素的具体结构例，进行详细说明。

首先，利用图2，说明路面状态预测系统1的最小结构。图2是示出本实施方式涉及的路面状态预测系统1的最小结构的框图。

如图2示出，移动体1A具备，水分信息获得部110、以及位置信息获得部120。而且，移动体1A和移动体1B具备相同的结构。因此，以下，说明移动体1A的结构。

水分信息获得部110，检测移动体1A正在通行的道路3的路面上的水分，从而获得与路面上的水分有关的水分信息。例如，水分信息获得部110，由进行水分的检测的传感器模块、以及对来自传感器模块的输出信号进行处理的信号处理电路等实现。水分信息获得部110，按照移动体1A的移动，以定期反复获得水分信息和位置信息。该获得，例如以1秒以下一次的频度进行。而且，也可以按照移动体1A的速度变更频度。

具体而言，水分信息包括，厚度信息、温度信息、以及吸光信息中的至少一个。厚度信息是示出，路面上的水分的厚度的信息。温度信息是示出，路面上的水分的温度的信息。吸光信息是示出，路面上的水分的太阳光的吸收率的信息。

并且，水分信息包括示出路面上的水分的状态的状态信息。状态信息示出，是干燥、水、雪或冰、或者、它们的两个以上的混合状态中的哪一个。具体而言，状态信息，由干燥、水、雪以及冰各自的比率表示。各个比率，例如，以干燥的比率、水的比率、雪的比率以及冰的比率的共计成为1的方式而被决定。状态信息，相当于通过判别检测出的水分是水、冰、雪或它们的混合状态中的哪一个而获得的、水分状态的判别结果。

位置信息获得部120，获得示出检测出水分的路面的位置的位置信息。位置信息获得部120，例如，由GPS(Global Positioning System)接收机等实现。位置信息，例如，由纬度以及经度表示。位置信息也可以，还包括标高。

图中没有示出，但是，移动体1A具备，与信息中心2以无线进行通信的通信部。获得的水分信息以及位置信息，由通信部发送到信息中心2。

并且，移动体1A也可以具备，用于存储水分信息以及位置信息的存储器。在存储器中，例如，按每个时刻，将在不同的时刻获得的多个水分信息以及多个位置信息建立对应来存储。

如图2示出，信息中心2具备，收集部210以及预测部220。

收集部210，从多个移动体1A以及1B的每一个收集，水分信息以及位置信息。收集部210是，例如通信接口。具体而言，收集部210，与多个移动体1A以及1B的每一个以无线进行通信，从而随时收集水分信息以及位置信息。或者，在移动体1A具备的存储器存储有水分信息以及位置信息的情况下，收集部210也可以，从该存储器读出，从而一并收集多个水分信息和多个位置信息。

预测部220，根据收集部210收集的多个水分信息之中的、对作为收集部210收集的多个位置信息中的至少一个示出的位置的路面的对象路面上的水分进行检测而获得的水分信息，预测检测出对象路面上的水分的时刻之后的时刻的对象路面的水分状态。对象路面是，例如，由用户或道路管理者等，设定为预测的对象位置的位置的路面。在收集部210收集的多个位置信息中没有包括，示出设定的位置的位置信息的情况下，也可以利用示出与指定的位置最近的位置的位置信息。

而且，在以下的说明中，会有将检测出对象路面上的水分的时刻，记载为“检测时刻”的情况。并且，会有将检测时刻之后的时刻，且成为预测的对象的时刻记载为“对象时刻”的情况。

对象时刻是，例如，预测部220进行预测的当前时刻。或者，对象时刻，也可以是当前时刻之后的时刻，也可以是当前时刻之后的时刻。也就是说，在本实施方式中，即使对象时刻是相对于当前时刻过去的时刻，预测部220，也“预测”过去的时刻的对象路面的水分状态。

预测部220，由存放有程序的非易失性存储器、作为用于执行程序的暂时的存储区域的易失性存储器、输入输出端口、执行程序的处理器等实现。

接着，对于路面状态预测系统1的其他的结构，利用图3进行说明。图3是示出本实施方式的路面状态预测系统的其他的结构的框图。

图3示出的路面状态预测系统1a，与图2示出的路面状态预测系统1相比，不同之处是，信息中心2新具备，积蓄部230、以及存储部240。

蓄积部230，将示出水分状态的状态信息，与位置信息建立对应来积蓄。具体而言，积蓄部230，将状态信息与位置信息建立对应，作为积蓄数据241存储到存储部240。积蓄数据241的数据结构的一个例子，利用图8在后面进行说明。

存储部240是，HDD(Hard Disk Drive)等的磁记录装置、BD(Blu-ray(注册商标)Disc)等的光盘、或闪存等。存储部240，存储积蓄数据241。积蓄数据241，由积蓄部230随时更新。

根据图3示出的路面状态预测系统1a，例如，在用户指定的定时，预测部220，从存储部240读出积蓄数据241，根据读出的积蓄数据241中包括的对象路面的状态信息等，预测对象时刻的路面的水分状态。如此，存储部240存储积蓄数据241，因此，能够在任意的定时进行预测。

接着，对于路面状态预测系统1的还其他的结构，利用图4进行说明。图4是示出本实施方式涉及的路面状态预测系统的其他的结构的框图。

图4示出的路面状态预测系统1b，与图3示出的路面状态预测系统1a相比，不同之处是，移动体1A新具备，环境信息获得部130，以及，信息中心2新具备，天候信息获得部250。

环境信息获得部130是，获得环境信息的第一获得部的一个例子。具体而言，环境信息获得部130，在移动体1A的道路3的通行中，测量在检测出路面上的水分的位置以及时刻的移动体1A的周围的环境，从而获得环境信息。

环境信息是，示出收集部210收集的多个位置信息中的至少一个示出的位置的气温、湿度、风速、太阳光的光量以及气压中的至少一个的信息。例如，环境信息获得部130，由搭载在移动体1A的温度传感器、湿度传感器、风速传感器、照度传感器、气压传感器、雨量传感器以及风速传感器等的对测量对象的物理量进行测量的单元实现。而且，在测量风速的情况下，具备风速传感器以及速度传感器这双方，从而能够提高风速的测量精度。

在图4示出的路面状态预测系统1b中，将水分信息、位置信息、与环境信息建立对应，发送到信息中心2。

天候信息获得部250是，获得天候信息的第二获得部的一个例子。天候信息获得部250，例如，获得检测时刻的天候信息。并且，天候信息获得部250，获得检测时刻以后的多个时刻的多个天候信息。具体而言，天候信息获得部250也可以，在从检测时刻到对象时刻(例如，从现在起N小时后)的期间，定期获得天候信息。例如，天候信息获得部250也可以，按每一个小时获得天候信息。天候信息获得部250，例如，从气象台等的公共机关或民间机关等获得天候信息。

天候信息是示出，收集部210收集的多个位置信息中的至少一个示出的位置的天候的信息。具体而言，天候信息是示出晴、阴、雨、雪、雾等的天候的信息。天候信息也可以，除了天候以外，还包括气温、降水量、降雪量、风向、日照时间、湿度以及气压中的至少一个。并且，天候信息也可以包括，露点温度、蒸气压、云量、全天日照量等。而且，现在以后的天候信息是，基于气象预报的天候的预测信息。

图4示出的路面状态预测系统1b，具备天候信息获得部250，据此，能够高精度地预测基于天候的水分状态的变化。进而，路面状态预测系统1b，具备环境信息获得部130，据此，能够获得比天候信息更详细的道路的每个位置的环境信息。因此，能够更高精度地预测各个位置的路面的水分状态的变化。

并且，也可以将天候信息和环境信息作为输入数据进行机器学习。据此，能够根据天候信息，估计道路的每个位置的环境信息，能够更提高路面的水分状态的变化的预测精度。

而且，在移动体1A没有具备环境信息获得部130的情况下，也可以将天候信息获得部250获得的天候信息作为环境信息利用。

接着，对于路面状态预测系统1的还其他的结构，利用图5进行说明。图5是示出本实施方式涉及的路面状态预测系统的其他的结构的框图。

图5示出的路面状态预测系统1c，与图4示出的路面状态预测系统1b相比，不同之处是，移动体1A新具备，摩擦系数测量部140、加压部150、以及凹凸测量部160。进而，路面状态预测系统1c，与路面状态预测系统1b相比，不同之处是，信息中心2新具备，预测摩擦系数的预测部260。

摩擦系数测量部140，测量移动体1A进行通行中的路面的摩擦系数。例如，在移动体1A为汽车的情况下，摩擦系数测量部140是，例如，在将在前端具有吊锤的绳子向道路垂下的状态下，测量施加到绳子的张力的传感器。例如，传感器，测量因与路面的摩擦而拉伸绳子的力量，从而能够测量路面的摩擦系数。

并且，在移动体1A为汽车的情况下，摩擦系数测量部140也可以，根据汽车的轮胎本身的滑动率计算摩擦系数。将摩擦系数与水分信息建立对应来获得，从而能够掌握路面上的各个位置的水分信息与摩擦系数的关系。据此，在信息中心2中，能够由预测部260，预测测量摩擦系数的时刻之后的时刻的路面的摩擦系数。知道道路的摩擦系数，从而能够进行更安全的汽车的行驶。

加压部150，向移动体1A进行通行中的路面施加压力。凹凸测量部160，测量由加压部150加压前后的路面的表面凹凸的变化。据此，能够测量路面上的水分的硬度。例如，针对积雪状态与雪覆盖表面的冻结状态的判别，测量加压前后的表面凹凸的方法是有效的。

在移动体1A为汽车的情况下，加压部150是，汽车的轮胎。此时，凹凸测量部160，测量轮胎的前后的路面上的表面凹凸。

而且，加压部150也可以是，例如，输出超声波的超声波发信源，或者，放出压缩空气的放出机构。据此，能够进行瞬间的向路面的加压。据此，能够由一个凹凸测量部160，测量加压前后的表面凹凸。

凹凸测量部160也可以，例如，由TOF(Time Of Flight)式的照相机、或自发光型的红外照相机、以及对从TOF式的照相机或红外照相机输出的信号进行处理的信号处理电路等实现。凹凸测量部160也可以，根据照射的光的基于路面的散射光的光量计算表面凹凸。

并且，凹凸测量部160也可以，由毫米波雷达、超声波雷达、或激光雷达等的距离测量器、以及对测量结果进行处理的处理电路实现。凹凸测量部160也可以，根据移动体1A在道路进行通行中的路面与移动体1A的距离的时间变化测量表面凹凸。

并且，即使在加压部150是轮胎的情况下，例如，也可以在轮胎之前的路面和轮胎之后的路面的双方进入视野的位置具备凹凸测量部160。据此，能够由一个加压部150(具体而言，一个轮胎)和一个凹凸测量部160(具体而言，一个TOF式的照相机等)，测量路面的硬度。

并且，凹凸测量部160也可以，将轮胎的后方的宽广的区域设为测量的对象区域。具体而言，凹凸测量部160，测量轮胎通过的路面、即由轮胎加压的路面、以及轮胎没有接触的路面的双方的表面凹凸。而且，凹凸测量部160也可以，判断被加压的路面和没有被加压的路面的表面凹凸的差异。在此情况下，也能够测量路面的硬度。

并且，图中没有示出，但是，除了测量加压前后的凹凸形状的变化的方法以外，还可以利用使路面表面振动来测量振动的方法。据此，具有有效于雪与冰的判别精度的提高的发挥。作为向路面施加振动的加振部，与加压部150相同，例如，能够利用超声波发信源或扬声器等的音源。

如上所述，在移动体1A中，示出路面的摩擦系数、以及表面凹凸的表面信息。而且，表面信息也可以，仅示出摩擦系数以及表面凹凸的任意的一方。移动体1A，也可以不具备摩擦系数测量部140，也可以不具备加压部150以及凹凸测量部160。

在图5示出的路面状态预测系统1c中，水分信息、位置信息、环境信息、以及表面信息，被发送到信息中心2。

预测部260，根据表面信息，预测测量摩擦系数或表面凹凸的时刻之后的时刻的路面的摩擦系数。具体而言，预测部260，预测对象时刻的对象路面的摩擦系数。例如，预测部260，根据由预测部220预测的路面的水分状态，从预测表面信息示出的摩擦系数且测量时刻的摩擦系数的变化。

例如，在预测到从测量时刻到对象时刻之间，路面的冻结的比例增加的情况下，预测部260，作为对象时刻的摩擦系数，计算比测量时刻的摩擦系数小的值。或者，在预测到从测量时刻到对象时刻之间，路面的干燥的比例增加的情况下，预测部260，作为对象时刻的摩擦系数，计算比测量时刻的摩擦系数大的值。并且，例如，在预测到从测量时刻到对象时刻之间，表面凹凸增加的情况下，预测部260，作为对象时刻的摩擦系数，计算比测量时刻的摩擦系数大的值。

如此，根据图5示出的路面状态预测系统1c，能够预测对象时刻的路面摩擦系数，因此，能够实现汽车的安全的行驶。

接着，对于路面状态预测系统1的还其他的结构，利用图6进行说明。图6是示出本实施方式涉及的路面状态预测系统的其他的结构的框图。

图6示出的路面状态预测系统1d，与图4示出的路面状态预测系统1b相比，不同之处是，移动体1A，不具备环境信息获得部130，而具备控制部170、移动速度测量部180、以及时刻获得部190。并且，在图6中示出，水分信息获得部110以及位置信息获得部120的详细结构。

而且，图6示出的移动体1A也可以具备，环境信息获得部130。同样，图6示出的移动体1A也可以具备，图5示出的摩擦系数测量部140、加压部150、凹凸测量部160。

如图6示出，水分信息获得部110具备，近红外光源部111、光检测部112、辐射温度测量部113、以及判别部114。水分信息获得部110，根据红外光的基于路面的散射反射光的强度，局部检测该路面上的水分。红外光照射的区域是，水分的检测的对象区域、即测量区域。

近红外光源部111射出近红外光。具体而言，近红外光源部111，向移动体1A进行通行中的道路的路面射出近红外光。近红外光源部111是，例如，LED(Light Emitting Diode)或激光元件等的固体发光元件。

光检测部112，接受近红外光源部111射出的近红外光的基于路面的散射反射光。根据散射反射光的强度，进行水分的检测。光检测部112，例如，由光电二极管、光电晶体管等的光电转换元件实现。

而且，近红外光的射出方向是，例如，移动体1A的前方、且移动体1A行驶中的通行带，但是，不仅限于此。近红外光的照射方向也可以是，移动体1A的后方。或者，近红外光的照射方向也可以是，移动体1A的左侧面或右侧面。在此情况下，近红外光，不照射移动体1A行驶的自己车道，而照射对头车道、隔离带、路缘带、自行车通行带、或人行道等的其他的通行带。据此，能够不检测自己车道，而检测对头车道等的其他的通行带的路面的水分状态。

例如，在移动体1A也可以搭载近红外光源部111以及光检测部112的多个组。据此，能够检测多个通行带的路面的水分状态。

辐射温度测量部113测量路面的温度。辐射温度测量部113是，例如，非接触式的温度传感器，测量从路面辐射的红外线辐射量，从而测量路面的温度。

判别部114，判别水分信息示出的水分是水、冰、雪或它们的混合状态中的哪一个。具体而言，判别部114，判别路面上的水分状态是，干燥、水、冰或雪、或者它们的两个以上的混合状态中的哪一个，从而生成示出水分状态的状态信息。

并且，判别部114，判别水、冰、雪或它们的混合状态在路面上的扩展程度。扩展程度，由面积等表示。

判别部114，由存放有程序的非易失性存储器、作为用于执行程序的暂时的存储区域的易失性存储器、输入输出端口、执行程序的处理器等实现。而且，判别部114也可以，利用与控制部170相同的硬件资源实现。

在本实施方式中，移动体1A移动，因此，由局部型的水分信息获得部110，能够获得多个位置的水分信息。局部型的水分信息获得部110为，比二维型的水分信息获得部更廉价且小型的结构。

而且，在实施方式6中说明详细内容，但是，二维型的水分信息获得部，利用多个受光区域以矩阵状排列的受光元件，按每个受光区域检测水分。据此，能够将水分量的二维分布作为水分信息获得。移动体1A也可以具备，二维型的水分信息获得部。据此，能够提高测量水分的扩展的精度。

并且，在移动体1A具备局部型的水分信息获得部110的情况下，也可以获得测量区域的一部分重叠的多个水分信息。据此，能够获得比测量区域的尺寸细小的分辨率的水分量的分布信息。因此，即使在具备局部型的水分信息获得部110的情况下，也能够提高测量水分的扩展的精度。并且，利用测量区域的一部分重叠的多个水分信息进行子像素位移分辨率处理，从而能够设为更高分辨率的水分量的分布信息。

测量区域的尺寸是，例如宽度5cm以上。据此，能够高精度地测量路面的水分状态。

并且，在移动体1A为汽车的情况下，测量区域的尺寸也可以是宽度10cm以上。据此，能够掌握轮胎通过的范围的路面的水分状态。而且，也可以以5cm以下的分辨率获得水分量的分布信息。据此，也能够提高积雪状态、与冻结的路面上积累细雪的状态的区别的判别精度。并且，也可以以1cm以下的分辨率获得水分量的分布信息。据此，能够提高压雪与新雪的区别的识别精度。

例如，也可以每当移动体1A至少移动5cm或1cm时，获得一次以上的路面的水分信息。例如，在移动体1A为汽车且以时速100km左右以下行驶的情况下，水分信息获得部110的测量间隔(抽样率)也可以是1.8ms以下。据此，能够每当移动5cm时进行一次以上的测量。并且，水分信息获得部110的测量间隔也可以是0.3ms以下。据此，能够每当移动1cm时进行一次以上的测量。

如图6示出，位置信息获得部120具备，GPS接收器121。GPS接收器121，接收来自GPS卫星的电波，从而获得位置信息。

控制部170，对移动体1A具备的各个构成要素进行控制。控制部170，由存放有程序的非易失性存储器、作为用于执行程序的暂时的存储区域的易失性存储器、输入输出端口、执行程序的处理器等实现。

移动速度测量部180，测量移动体1A的移动速度。移动速度测量部180，例如，由检测车轮的旋转速度的传感器等实现，根据检测出的旋转速度计算移动体1A的移动速度。或者，移动速度测量部180也可以，根据GPS接收器121的位置信息计算移动体1A的移动速度。并且，移动速度测量部180也可以，根据GPS接收器121的位置信息、以及设置在车轮的传感器检测出的旋转速度的双方，计算移动速度。

时刻获得部190是，获得时刻的定时器。

接着，说明本实施方式涉及的路面状态预测系统1至1d的工作。而且，以下，作为一个例子，说明图6示出的路面状态预测系统1d的工作。

接着，利用图7，说明本实施方式涉及的路面状态预测系统1d的水分信息的获得处理的流动。图7是示出本实施方式涉及的路面状态预测系统1d的水分信息的获得处理的流程图。具体而言，图7示出移动体1A的路面的水分状态的检测处理。

控制部170，开始路面的水分状态的检测处理。例如，控制部170，在移动体1A的移动开始的定时，开始水分状态的检测处理。控制部170，在水分状态的检测处理开始的同时使时刻获得部190工作，将检测处理的开始时刻记录到存储器。

首先，在步骤S11中，位置信息获得部120，获得位置信息。具体而言，GPS接收器121，获得位置信息。

接着，在步骤S12中，移动速度测量部180，测量移动速度。而且，也可以不进行移动速度的测量处理。

接着，在步骤S13中，水分信息获得部110，检测水分，判别水分状态。具体而言，根据控制部170的控制，将来自近红外光源部111的水的吸收峰值附近的光作为吸收光照射到路面，来自路面的吸收光的散射反射光由光检测部112接受。判别部114，将接受的光的强度存储到存储器。接着，根据控制部170的控制，将来自近红外光源部111的水的吸收峰值以外的光作为参考光照射到路面，来自路面的参考光的散射反射光由光检测部112接受。判别部114，将接受的光的强度存储到存储器。

判别部114，根据存储器所存储的强度值，判别水、冰、雪的有无。判别部114，根据辐射温度测量部113测量的路面温度的值，判别水与冰。并且，测量路面的吸收光或参考光的散射反射光的强度，从而求出水分的太阳光的吸收率。而且，也可以将照相机等的可见光的受光装置作为太阳光的吸收率的测量单元利用。据此，能够更高精度地检测蒸发、融化、融雪的变化速度。

接着，在步骤S14中，判别部114，判断路面的水分状态是否发生了变化。水分状态的变化是指，从干燥、水、雪、冰之一的状态变化为其他的状态。例如，判别部114，对基于紧前的水分的检测的判别结果、与这次的判别结果进行比较，从而判断是否发生了变化。

在步骤S14中判断为水分状态没有发生变化的情况下(否)，接着，在步骤S15中，控制部170，判断移动体1A的移动速度是否发生了变化。在步骤S15中判断为移动速度没有发生变化的情况下(否)，返回到步骤S12，反复进行所述的处理。在水分状态或移动速度变化没有发生变化的情况下，能够利用紧前的数据，因此，不需要进行数据的积蓄。

在步骤S16中，在步骤S14中判断为水分状态发生了变化的情况下(是)，或者，在步骤S15中判断为移动速度发生了变化的情况下(是)，控制部170，从时刻获得部190获得时刻信息。

接着，在步骤S17中，积蓄部230，积蓄示出水分状态的状态信息等的数据。例如，移动体1A，经由通信部(不图示)，将时刻信息、位置信息、状态信息以及速度信息发送到信息中心2。

在信息中心2中，发送的时刻信息、位置信息、状态信息以及速度信息由收集部210获得。积蓄部230，将时刻信息、位置信息、状态信息以及速度信息、与天候信息建立对应积蓄到存储部240。而且，天候信息是，由天候信息获得部250获得的、示出时刻信息所示的日期时间的天候的信息。而且，在此示出了，在信息中心2中，进行数据的积蓄的例子，但是，也可以在移动体1A具备的存储部积蓄数据。

接着，在步骤S18中，判断是否完成水分状态的检测处理。步骤S18，在判断为不完成检测处理的情况下，返回到步骤S11，反复进行所述的处理。是否完成水分状态的检测处理是，根据示出移动体1A的预先设定的路径的移动结束、或移动体1A的移动停止等的信息，由控制部170判断的。

接着，利用图8，说明本实施方式的包括根据路面上的水分的检测结果获得的状态信息等的积蓄数据。图8是示出本实施方式涉及的路面状态预测系统1d的存储部240所积蓄的积蓄数据241的一个例子的图。

例如，在积蓄数据241中，示出日期时间的时刻信息、位置信息、示出路面的水分状态的状态信息、以及示出移动速度的速度信息相对应。进而，作为天候信息，天候、气温、降水量、降雪量、风向、日照时间、湿度、气压信息相对应。

如图8示出，将时刻信息、位置信息、状态信息以及速度信息建立对应存储，因此，根据时刻信息计算的时间乘以移动速度，从而能够知道道路上的任意的地点的水分分布。

而且，在积蓄数据241中也可以，除了收集部210收集的信息以外，还包括预测部220的预测结果。具体而言，积蓄部230也可以，将对象时刻以及对象位置的预测结果作为状态信息，与对象时刻的天候信息建立对应存储到存储部240。

接着，利用图9，说明路面的水分状态的预测处理。图9是示出本实施方式涉及的路面状态预测系统1d的路面的水分状态的预测处理的一个例子的流程图。

首先，在步骤S21中，设定想要预测的一个以上的候选地点。候选地点，由纬度以及经度的组表示。例如，预测部220，在显示器等显示候选地点的输入画面或选择画面，接受来自用户的选择。使选择画面显示的选择的候选是，例如，积蓄数据241中包括的所有的位置信息示出的位置。

或者，预测部220也可以，显示地图，使地图上的位置被选择，从而设定候选地点。并且，预测部220也可以，显示用于直接输入纬度以及经度、候选地点的名称、或道路的管理号码等的输入画面。

接着，在步骤S22中，预测部220，从步骤S21中设定的一个以上的候选地点中选择一个，获得选择出的候选地点的纬度以及经度。步骤S22中选择的候选地点是，成为预测对象的对象位置。

接着，在步骤S23中，预测部220，获得对象位置的过去的路面的状态信息。具体而言，预测部220，从存储部240所存储的积蓄数据241中，读出与对象位置的纬度以及经度对应的数据。具体而言，预测部220，获得对象位置的时刻信息、状态信息、以及天候信息。

接着，在步骤S24中，天候信息获得部250，获得对象位置的当前时刻为止的天候信息。而且，在预测的对象时刻是相对于当前时刻过去的时刻的情况下，天候信息获得部250，获得对象位置的对象时刻为止的天候信息。

接着，在步骤S25中，天候信息获得部250，获得从当前时刻起N小时后的天候的预测信息。天候的预测信息是，所谓天气预报等，天候信息获得部250从气象台等获得。

接着，在步骤S26中，预测部220，根据过去的路面的水分状态和当前时刻为止的天候信息，预测当前时刻的路面的水分状态。

接着，在步骤S27中，预测部220，执行规定的算法，从而预测对象位置的N小时后的路面的水分状态。而且，对于步骤S26以及S27的预测处理的详细算法，利用图10在后面进行说明。

接着，在步骤S28中，预测部220，判断步骤S21中设定的一个以上的预测的候选地点中是否存在预测未完成的候选地点。若存在没有预测的选地点(是)，则返回到步骤S22反复进行所述的处理。

若在步骤S28中不存在没有预测的候选地点(否)，在步骤S29中，预测部220，制作汇集每个地点的预测结果的预测数据。预测数据也可以，由位置信息与预测结果的组合表示，以作为信息容易处理。或者，也可以为了提高信息的阅览性，而在地图上显示预测结果。

而且，在步骤S26以及S27中，根据最近的路面的水分状态、水分分布及天候信息、以及现在的天候信息预测水分分布的变化。基本上，若最近检测出的水分是水，以后，若没有下雨以及降雪，气温上升，则因蒸发而水逐渐减少。此时，若检测出的水的范围宽，则水的消失需要花费时间，若窄则水快速消失。

另一方面，若因气温下降而路面温度低于0℃，则水分的冻结的可能性提高。路面温度的变化，除了气温以外，还与从路面的热辐射、因过去的天候而积蓄在路面的热量等有关，因此，也参考获得水分信息的时刻的天候信息。

并且，若最近检测出的水分是雪，若路面温度低于0℃，则维持雪的状态，若路面温度超过0℃则融雪开始。在该状态下，若因气象变化而路面温度低于0℃则路面冻结。

在最近检测出的水分是冰的情况下，也以路面温度0℃的情况为基准分开为，将冰的状态维持、或者变化为水。进而，根据以后的气象变化，能够预测再次冻结、或者成为干燥路面。

此时，不管是雪还是冰，根据其大小(面积)和天候信息计算融化或消失为止的时间，进行预测。进而，对图8示出的路面状态与天候信息的关系进行机器学习，从而也能够进行预测。根据任意的预测方法，也通过知道路面状态是干燥、水、雪、以及冰中的哪一个、以及各自的区域的比率，从而能够提高预测精度。

以下，对于用于水分状态的预测的算法的一个例子进行说明。

接着，利用图10，说明图9的步骤S26以及步骤S27中的规定的算法的一个例子。图10是示出本实施方式涉及的路面状态预测系统的预测算法的流程图。

首先，在步骤S101中，预测部220，读入初始的路面比率(Rd，Rw，Rs，Ri)。示出路面比率的符号的下标d、w、s、i分别示出干燥、湿润、积雪、冻结。并且，Rd+Rw+Rs+Ri＝1。也就是说，路面比率的共计值为1。

具体而言，预测部220，从积蓄数据241，获得预测的对象位置的水、雪以及冰的比例以作为路面比率。例如，在图8示出的积蓄数据241中，在相同的纬度以及经度表示的位置中包括12个状态信息。在12个状态信息中，一个是水，因此，成为两个是冰，因此，成为九个是雪，因此，成为没有干燥，因此，Rd＝0.0。

接着，在步骤S102中，预测部220，读入天候信息。具体而言，预测部220，读入步骤S24以及S25中由天候信息获得部250获得的、从当前时刻起N小时后的天候信息。

接着，在步骤S103中，预测部220，设定天气校正系数Cf、Cc、Cr、Cs。示出天气校正系数的符号的下标f、c、r、s分别是，晴、阴、雨、雪。天气校正系数，示出各个天气的水分的状态转移的容易性。例如，设定为在冰变成水、或此相反、或者雪变成水的情况下，若晴，则Cf＝1，若阴，则Cc＝0.8。对于设定值也可以，给予初始值后，按每个预测地点进行机器学习，从而随时更新为最佳的值。据此，能够进行精度更高的预测。

接着，在步骤S104中，预测部220，设定降雪量As。降雪量As是，步骤S102中读入的天候信息中包括的降雪量[cm]。

接着，在步骤S105中，预测部220，设定降雨量Ar。降雨量Ar是，步骤S102中读入的天候信息中包括的降雨量[mm]。

接着，在步骤S106中，预测部220，设定温度T。温度T是，步骤S102中读入的天候信息中包括的气温[℃]。

而且，在天候信息中没有包括降雪量、降雨量以及气温中的至少一个的情况下，也可以省略对应的各个步骤。并且，在步骤S102中，在读入时刻不同的多个天候信息的情况下，按每个时刻设定降雪量、降雨量以及气温。

接着，在步骤S107、S108、S109中，预测部220，利用降雪量、降雨量及初始的路面比率的每一个、以及天气校正系数及温度进行水分状态的计算。而且，对于执行步骤S107至S109的顺序，不特别限定，也可以同时以并行处理执行。

首先，在步骤S107中，预测部220，计算降雪量As的雪向水转移的量。例如，利用如下模式，即，若温度T低于0℃，则雪的量不变化，若温度T成为0℃以上，则与温度T成比例变成水。预测部220，变化的雪的量乘以天气校正系数，从而校正从雪向水的变化量。

在步骤S108中，预测部220，计算降雨量Ar的雨消失或转移为冰的量。例如，利用如下模式，即，若温度T低于0℃，则与温度T的绝对值成比例变成冰，若温度T成为0℃以上，则与温度T成比例水消失。预测部220，变化的水的量乘以天气校正系数，从而校正从水向冰的变化量、或水的消失量。

在步骤S109中，预测部220，计算初始的路面比率Rd、Rw、Rs以及Ri的每一个，因水的状态转移而变化的量。在步骤S109中，能够根据与步骤S107以及S108同样的模型进行计算。

在步骤S110中，预测部220，将步骤S107、S108以及S109中进行计算而得到的水分状态的量，按水、雪、冰的每个状态累计。

最后，在步骤S111中，预测部220，计算干燥、湿润、积雪、冻结的比率。干燥的比率是，从1中减去湿润、积雪以及冻结的比率之和后的值。

而且，图10示出的预测算法是，利用天候信息和示出水分分布的大小的初始路面比率的一个例子，不仅限于此。也可以应用水分状态的转变模式的变更、计算用的参数的追加、或者机器学习的方法。当然，适当地变更，从而能够进行精度更高的预测。

接着，利用图11，说明实际进行预测的一个例子。图11是示出水分状态的预测结果的一个例子的图。图11的(a)示出，初始的路面比率为干燥∶湿润∶积雪∶冻结＝0.3∶0∶0.25∶0.45，天气为阴，温度5℃时的预测结果。在图11的(a)的各个行中示出，图10中说明的每个步骤的值。图11的(a)的最下段中示出，预测值(具体而言，预测的路面比率)。

若对图11的(a)的初始的路面比率与预测值进行比较，则湿润路面以及干燥路面增加。在图11的(a)示出的例子中，降雪量以及降雨量为0，因此，能够估计因天气以及气温的影响，而积雪以及冻结的融化进展。因此，能够知道与该估计结果相同，能够高精度地进行预测。

图11的(b)示出，初始的路面为比率干燥∶湿润∶积雪∶冻结＝0.3∶0.25∶0.45∶0，天气为雪，温度-5℃时的预测结果。图11的(b)中能够知道，能够预测基于降雪的积雪的增加、以及湿润区域的向冻结的转移。

在此，说明了预测干燥：湿润：积雪：冻结的路面比率的变迁的方法，但是，对于预测路面水分的厚度、以及温度的变迁的方法，也利用同样的方法。即使在预测水分的厚度的变化的情况下，也根据初始的路面上的水分的厚度信息和天候信息开始预测，根据降雪量、降雨量、气温等的信息进行预测。

并且，在路面比率的预测的情况下，以及在厚度的预测的情况下，都根据水分表面的太阳光的吸收率乘以日照量而得到的值预测水分温度，从而能够根据水分温度预测路面的水分状态。此时，示出水分信息获得部110中测量的时刻的路面的水分温度的信息也是预测的重要的指标。

在本实施方式中，根据移动体的移动速度和时间信息能够知道水分状态的分布的大小。因此，本实施方式涉及的路面状态预测系统1是，具备局部型的水分信息获得部110的简单的结构，但是，能够进行高精度的路面水分状态预测。进而，本实施方式涉及的路面状态预测系统1的信息中心2的积蓄部230也可以具有，积蓄的信息的更新功能。

图12是示出本实施方式涉及的路面状态预测系统1d的信息的更新处理的流程图。

如图12示出，积蓄部230，在例如每整点等的规定的定时，开始信息的更新处理。

首先，在步骤S41中，积蓄部230，判断在特定的地点在规定时间以内是否有示出路面的水分状态的信息的更新。规定时间是，例如一个小时。例如，积蓄部230，判断收集部210，是否从多个移动体的任一个获得，示出特定的地点的位置信息、以及与该位置信息对应的状态信息。积蓄部230，在收集部210获得，示出特定的地点的位置信息、以及与该位置信息对应的状态信息的情况下，判断为有信息的更新。

在步骤S41中判断为有信息的更新的情况下(是)，意味着示出路面的水分状态的状态信息等最近有更新，因此，结束信息的更新处理。

在步骤S41中判断为没有信息的更新的情况下(否)，在步骤S42中，天候信息获得部250，获得当前时刻为止的天候信息。

接着，在步骤S43中，预测部220，根据过去的路面的水分状态以及当前时刻为止的天候信息，预测当前时刻的路面的水分状态。具体处理，与步骤S26的处理相同。例如，在步骤S43中，预测部220，根据图10示出的预测算法预测水分状态。

接着，在步骤S44中，积蓄部230，将由预测部220预测的现在的路面状态，作为状态信息存储到存储部240。据此，信息的更新处理结束。

如此，积蓄部230具有信息的更新功能，因此，能够将积蓄数据241，保持为按每规定时间更新的精度高的信息。据此，预测部220，能够进行精度高的预测。即使在从移动体不收集新的状态信息以及位置信息等的情况下，也按每规定时间更新路面的水分状态，因此，总是能够作为新的水分状态的预测数据利用。

(实施方式2)

接着，对于实施方式2涉及的路面状态预测系统，利用图13进行说明。

图13是示出本实施方式涉及的路面状态预测系统301的结构的框图。

如图13示出，路面状态预测系统301，与图2示出的路面状态预测系统1相比，不同之处是，新具备分发部370。具体而言，信息中心2具备，分发部370。

分发部370，分发包含预测部220的预测结果的分发信息。分发目的是，行驶中的车辆、道路管理者、交通管理者、交通信息经营者、运输经营者、或邮政经营者等。

分发部370，例如，在从分发目的接受分发请求的情况下，分发作为向分发请求的响应的分发信息。在分发信息中也可以，除了预测结果以外，还包括示出能否自动驾驶的驾驶可否信息等。

在驾驶可否信息中也可以，除了自动驾驶的可否以外，还包括手动驾驶的困难程度。例如，在驾驶可否信息中也可以包括，示出通行的难易度、事故概率的上升度、或限速等的信息。此时，驾驶可否信息也可以示出，每个车辆的类别的驾驶的困难程度。例如，驾驶可否信息也可以示出，路面有积雪，因此，安装无钉防滑轮胎的车辆能够通行，但是，安装普通轮胎的车辆不能通行。

并且，驾驶可否信息也可以包括，示出白线的有无、基于积雪的白线的可见状况、道路的陷落或裂缝的有无、落石或倒树的有无、雾的发生等的会成为阻碍自动驾驶或手动驾驶的要素的信息。这些信息是，例如，从由搭载在移动体1A的可见光照相机等拍摄的图像中获得、且与水分信息等一起发送到信息中心2、且存储到存储部240的。

如此，本实施方式涉及的路面状态预测系统301，具备分发部370，据此，能够向道路的利用者、道路管理者、交通管理者、交通信息经营者等提供水分状态的预测结果。据此，能够进行对道路利用者的安全的道路的选择、或者道路管理者的危险的道路的安全措施(例如，融雪剂或防冻剂的散布处理)的实施等有益的信息提供。

并且，能够进行对交通管理者的危险的道路的利用限制、或交通信息经营者向道路利用者的交通信息的提供有益的信息提供等。

而且，在本实施方式中，同时利用实施方式1所记载的多种多样的结构，从而能够进行更高度的水分状态的预测。

(实施方式3)

接着，对于实施方式3涉及的路面状态预测系统，利用图14进行说明。

图14是示出本实施方式涉及的路面状态预测系统302的结构的框图。

如图14示出，路面状态预测系统302，与图4示出的路面状态预测系统1b相比，不同之处是，新具备分发部370、通知部380、判断部381、以及搜索部382。而且，图14示出的移动体1A也可以具备，环境信息获得部130。

如图14示出，在路面状态预测系统302中，信息中心2的分发部370，将分发信息分发到多个移动体1C以及1D。移动体1C以及1D是，不具有进行路面上的水分的检测的功能的移动体。移动体1C以及1D是，例如，四轮车或二轮车等的路面上行驶的车辆，但是，不仅限于此。

移动体1C以及1D分别具备通知部380。通知部380，通知预测部220的预测结果。具体而言，通知部380，在预测到移动体1C或1D前进的道路的路面冻结、积雪、水洼的情况下，由图像、语音或声音向驾驶员提醒注意。通知部380是，例如，显示器或扬声器等。

通知部380也可以，与搭载在移动体1C的汽车导航系统协调。例如，如图14示出，移动体1C具备，判断部381、以及搜索部382。

判断部381，根据预测部220的预测结果，判断道路的通行的可否。具体而言，判断部381，判断在目的地为止的路径上，是否存在路面冻结、积雪、水洼，在存在路面冻结、积雪、水洼的情况下，判断为不能通行。

搜索部382，在判断部381判断为不能通行的情况下，搜索迂回路。搜索部382，从连结移动体1C的当前地点和目的地的多个路径中，将能够通行、且距离最短的路径选择为迂回路。搜索部382，也可以搜索多个迂回路。

通知部380，进而，通知由搜索部382搜索的迂回路。例如，通知部380，提示表示迂回路的地图。

而且，在本实施方式中，示出了移动体1C以及1D具备通知部380的例子，但是，移动体1A以及1B也可以具备通知部380。或者，通知部380也可以被设置在路旁等。在此情况下，除了移动体的驾驶员以外，还向利用道路的步行者能够提供路面的水分状态的预测结果等。

并且，移动体1C也可以不具备，判断部381以及搜索部382。信息中心2也可以具备，判断部381以及搜索部382。例如，移动体1C，在请求分发信息时发送示出移动体1C的位置的位置信息。判断部381，根据移动体1C的位置信息，判断移动体1C预定通行的道路的通行的可否。分发部370也可以，在判断部381判断为不能通行的情况下，将示出搜索部382搜索的迂回路的信息，包含在分发信息中分发到移动体1C。

而且，在本实施方式中，同时利用实施方式1所记载的多种多样的结构，从而能够进行更高度的水分状态的预测。

(实施方式4)

接着，对于实施方式4涉及的路面状态预测系统，利用图15以及图16进行说明。

图15是示出本实施方式涉及的路面状态预测系统303的结构的框图。

如图15示出，路面状态预测系统303，与图14示出的路面状态预测系统302相比，不同之处是，新具备改变信息获得部390。在本实施方式中，信息中心2具备改变信息获得部390。

改变信息获得部390是，获得与道路的改变有关的改变信息的第三获得部的一个例子。改变信息获得部390，从外部装置通过经由无线或有线的通信获得改变信息。

改变信息是，示出进行道路的改变的位置、以及改变的内容的信息。道路的改变是，例如，由道路管理者等进行的除雪工作、排水工作、或冻结的融化工作等。道路的改变也可以包括除雪剂或防冻剂的散布等。改变信息可以包括，根据道路管理者在道路的改变后进行的水分的检测结果的、示出路面的水分状态的状态信息。

积蓄部230，根据改变信息，更新存储部240所存储的积蓄数据241中包括的状态信息。例如，在改变信息中包括状态信息的情况下，积蓄部230，将改变信息中包括的与位置对应的积蓄数据241内的状态信息，置换为改变信息中包括的状态信息。

接着，利用图16，说明信息的更新的具体处理。图16是示出本实施方式涉及的路面状态预测系统303的信息的更新处理的流程图。

首先，在步骤S51中，改变信息获得部390，从外部装置，获得与道路改变有关的改变信息。改变信息中包括，进行道路的改变的位置、以及改变的内容。

接着，在步骤S52中，天候信息获得部250，获得改变信息示出的位置的天候信息。

接着，在步骤S53中，积蓄部230，将改变信息与现在的天候信息建立关联。

接着，在步骤S54中，积蓄部230，根据改变信息，更新状态信息。具体而言，积蓄部230，将改变信息中包括的状态信息、位置信息、以及天候信息与当前时刻建立对应积蓄到存储部240。

根据本实施方式，例如，在由道路管理者等进行除雪工作、排水工作、或冻结的融化工作等的道路的改变的情况下，能够将其结果的路面状态反映到积蓄数据241。据此，能够提高路面的水分状态的预测精度。

而且，在本实施方式中，同时利用实施方式1所记载的多种多样的结构，从而能够进行更高度的水分状态的预测。

(实施方式5)

接着，对于实施方式5涉及的的驾驶支援系统，利用图17进行说明。

图17是示出本实施方式涉及的驾驶支援系统400的结构的框图。驾驶支援系统400具备，实施方式4中说明的路面状态预测系统303、以及搭载在车辆401的接收终端411。而且，在图17中，在路面状态预测系统303中，仅示出信息中心2的分发部370。

图17示出的车辆401是，具有自动驾驶功能的车辆。如图17示出，车辆401具备，控制器402、自动控制ECU(Engine Control Unit)403、操舵部404、制动部405、驱动部406、底盘控制部407、信息积蓄部408、传感器组409、以及显示器410。进而，车辆401具备，接收终端411。

控制器402，由运算处理装置以及存储器等实现。控制器402，在与图17示出的其他的构成要素之间相互传输信号。控制器402是，根据接收终端411接收的分发信息，支援车辆401的自动驾驶的控制部的一个例子。具体而言，控制器402，根据预测部220的预测结果，支援车辆401的自动驾驶。

自动控制ECU(Engine Control Unit)403是，对车辆401的自动驾驶进行控制的单元。自动控制ECU403，按照车辆401的状况、以及车辆401的周围的状况，对操舵部404、制动部405以及驱动部406进行控制。

操舵部404，在自动驾驶时接受来自自动控制ECU403的指令，进行与车辆401的行进方向有关的控制。

制动部405，在自动驾驶时接受来自自动控制ECU403的指令，进行与车辆401的制动有关的控制。

驱动部406，在自动驾驶时接受来自自动控制ECU403的指令，进行与车辆401的发动机或电动机或驱动机构(不图示)有关的控制。

底盘控制部407，在自动驾驶时从自动控制ECU403接受指令，进行与车辆401的悬挂系统(不图示)有关的控制。

信息积蓄部408是，存储车辆401的行驶路径、车辆401的周围的信息、车辆401的信息等的与车辆401的行驶有关的信息的存储器。从信息积蓄部408，按照来自控制器402或自动控制ECU403的请求读出必要的信息。

传感器组409，检测车辆401的周围、以及车辆401的各个部的信息。例如，传感器组409包括，照相机、毫米波雷达、速度传感器等的各种传感器。传感器组409检测出的信息，输出到控制器402或自动控制ECU403等。

显示器410，显示速度、发动机转数、充电器剩余量等的车辆信息、以及交通限制、周围的车辆位置、路面状态等的车辆周围信息等。

接收终端411，接收从分发部370分发的分发信息。接收终端411，与信息中心2以无线进行通信，从而接收分发信息。分发信息中包括，路面的水分状态的预测结果。接收终端411接收的分发信息，输出到控制器402，用于自动驾驶的支援。

对于图17示出的驾驶支援系统400，说明其工作。

控制器402，根据驾驶员的指示，判断进行自动驾驶还是驾驶员进行驾驶。控制器402，在进行自动驾驶的情况下，向自动控制ECU403输出自动驾驶的指令。

信息积蓄部408，根据来自控制器402的指令，向自动控制ECU403依次输出行驶路径、以及行驶路径的交通限制等的信息。

自动控制ECU403，根据未图示出的行驶程序、从信息积蓄部408输出的信息、以及来自传感器组409的信号，对操舵部404、制动部405、驱动部406、以及底盘控制部407进行控制。

此时，在接收终端411接收的分发信息中包括的预测结果示出，车辆401的行驶路径上的冻结、积雪或水洼的存在的情况下，控制器402也可以，向显示器410输出预测结果，中断自动驾驶，向驾驶员委托控制。或者，自动控制ECU403也可以，对操舵部404、制动部405、驱动部406以及底盘控制部407进行控制，以避免危险的方式进行行驶。

或者，控制器402也可以，搜索迂回路，变更行驶路径。也就是说，控制器402也可以具有，与图14示出的判断部381以及搜索部382同等的功能。

根据这样的结构，即使在从自车不能感测的地点，也能够根据水分状态的预测结果预先避免危险地点。或者，能够进行车速的控制、或悬挂系统的控制等，因此，能够进行安全的行驶。

而且，车辆401也可以具备，水分信息获得部110、预测部220、积蓄部230以及存储部240。例如，车辆401也可以，检测过去通行的道路的路面上的水分，将示出路面的水分状态的状态信息存储到存储部240。预测部220也可以，根据存储部240所存储的数据，预测路面的水分状态，将预测结果输出到控制器402等。据此，即使不与信息中心2进行通信，也能够进行基于预测结果的驾驶支援。

并且，例如，控制器402也可以，根据行进方向的路面的水分状态的预测结果，对车辆401的限速进行控制。例如，控制器402，在预测结果为雪的情况下，将限速决定为60km/h。并且，控制器402，在预测结果为冻结的情况下，决定为40km/h。并且，控制器402，在预测结果为干燥的情况下，决定为100km/h。而且，这些数值仅是一个例子，也可以根据道路的种类或交通状况等适当地变更。

控制器402，根据预测结果决定限速，将决定的限速通知到自动控制ECU403。自动控制ECU403，在决定的限速内进行自动驾驶。此时，控制器402也可以，将决定的限速显示在显示器410，从而向驾驶人员通知。

(实施方式6)

接着，说明实施方式6涉及的路面状态预测系统。而且，在以下的说明中，以与实施方式1不同之处为中心进行说明，省略或简化说明共同之处。

图18是示出实施方式6涉及的路面状态预测系统501的概要的示意图。

在图18中示出，两台监视柱501A以及501B，设置在道路3的旁边的情况。监视柱501A，设置在例如隧道的出口5附近。监视柱501B，设置在桥梁4附近。监视柱501A以及501B的设置位置，不仅限于所述例子，设置在应该监视路面的地点。监视柱501A以及501B与信息中心2，通过有线或无线通信相互传输信息。

在本实施方式中，监视柱501A以及501B，与实施方式1涉及的移动体1A以及1B同样，发挥检测路面上的水分的功能。在实施方式1中，移动体1A以及1B移动来能够变更检测区域，对此，在本实施方式中，监视柱501A以及501B，检测预先规定的区域的路面上的水分。

图19是示出本实施方式涉及的路面状态预测系统501的结构的框图。如图19示出，监视柱501A具备，水分信息获得部510、位置信息获得部120、以及控制部530。而且，监视柱501A和监视柱501B，具备相同的结构。因此，以下，说明监视柱501A的结构。

控制部530，由存储有程序的非易失性存储器、作为用于执行程序的暂时的存储区域的易失性存储器、输入输出端口、执行程序的处理器等实现。控制部530，对水分信息获得部510以及位置信息获得部120的工作进行控制。

水分信息获得部510，检测监视柱501A附近的道路的路面上的水分，从而获得与路面上的水分有关的水分信息。如图19示出，水分信息获得部510具备，热图像摄像部511、近红外影像摄像部512、以及判别部513。

热图像摄像部511具备，热电堆或辐射热测量器等的远红外线传感器阵列，将来自路面的辐射能量作为温度分布拍摄。热图像摄像部511，生成示出拍摄范围内的温度分布的热图像。

近红外影像摄像部512是，例如，利用InGaAs或PbS等的半导体材料而被制造，在波长0.7μm至2.4μm左右的范围内的近红外区具有灵敏度的图像传感器。近红外影像摄像部512具有，以矩阵状配置的多个受光区域。近红外影像摄像部512，获得根据水的吸收波长度的光生成的对象图像、以及根据不是水的吸收波长度的波长的光生成的参考图像。

近红外影像摄像部512具备，由控制部530控制切换的多个波长滤波器(不图示)。近红外影像摄像部512，接受通过多个波长滤波器的任意一个的光。作为多个波长滤波器之一的第一过滤器是，使水的吸收峰值附近的光透过的带通滤波器。并且，作为多个波长滤波器之一的第二过滤器是，使水的吸收峰值以外的光透过的带通滤波器。

在多个受光区域对通过第一滤波器的光进行光电变换，从而获得水的吸收波长的图像(对象图像)。在多个受光区域对通过第二滤波器的光进行光电变换，从而获得不是水的吸收波长的图像(参考图像)。

判别部513，判别检测出的水分是水、冰、雪或它们的混合状态中的哪一个。具体而言，判别部513，根据由近红外影像摄像部512获得的两张图像、以及由热图像摄像部511获得的热图像，判别路面上的水分的状态是，干燥、水、冰或雪、或者它们的两个以上的混合状态中的哪一个，从而生成状态信息。

并且，判别部513，判别水、冰、雪或它们的混合状态在路面上的扩展程度。扩展程度，由面积等表示。

判别部513，由存储有程序的非易失性存储器、作为用于执行程序的暂时的存储区域的易失性存储器、输入输出端口、执行程序的处理器等实现。而且，判别部513也可以，利用与控制部530相同的硬件资源实现。

判别部513，将对象图像与参考图像的每一个的亮度值比较，从而获得水的二维分布。具体而言，判别部513，按每个像素(受光区域)将对象图像与参考图像的亮度值比较。判别部513，将参考图像的亮度值与对象图像的亮度值的差大的像素，判断为检测出水分的像素。对全像素进行比较处理，从而获得水分的分布图像。

并且，判别部513，对参考图像的亮度值与规定的阈值进行比较，从而获得雪的分布。具体而言，判别部513，将参考图像的亮度值比规定的阈值大的像素，判别为检测出雪的像素。对全像素进行判断处理，从而获得雪的分布图像。

进而，判别部513，根据热图像与水分的分布图像的组合，按每个像素判断水以及冰中的哪一方。具体而言，判别部513，针对根据水分的分布图像判断为水分存在的全像素的每一个，判断热图像的对应的像素的温度是否为0℃以上。若0℃以上，则该像素是水的像素，若低于0℃，则该像素是冰的像素。据此，获得水的分布图像以及冰的分布图像。

判别部513，根据水、冰以及雪的分布图像，计算作为拍摄范围的测量区域内的水、冰以及雪的每一个所占的面积的比率。判别部513，根据计算出的比率，生成示出测量区域内的水分状态的状态信息。例如，判别部513，将比率最大的状态判断为该测量区域的水分状态。

图中没有示出，但是，监视柱501A具备，与信息中心2以无线或有线通信的通信部。状态信息等，经由通信部与位置信息一起发送到信息中心2。

在此，水分信息获得部510也可以，利用代替热图像摄像部511，而由设置在道路的热敏电阻器或热电偶所构成的温度传感器获得的温度信息。在利用热图像摄像部511的情况下，能够减轻温度传感器的设置费用，进行高分辨率的温度分布的测量。在利用设置在道路的温度传感器的情况下，能够更准确地测量道路的温度。也可以同时利用双方，利用从设置在道路的温度传感器获得的温度的值，校正热图像摄像部511的测量温度，从而能够进行准确、且高分辨率的温度分布的测量。

并且，也可以预先存储水没有存在时的水的吸收波长的图像的亮度值。据此，即使不具备水的吸收波长以外的波长的光源的结构，也能够测量水分量。因此，能够实现低成本化。并且，在不需要水的温度信息的情况下，水分信息获得部510，也可以不具备热图像摄像部511，也可以不获得来自热敏电阻器、热电偶等的温度传感器的信息。

并且，近红外影像摄像部512也可以，具备LED或激光器等的近红外光源、以及InGaAs或PbS等的近红外受光部。据此，能够测量周围的平均水分量，且成为廉价。

并且，例如，也可以变更所述近红外光源照射光的方向。一边变更光照射的区域，一边由受光部接受反射光。测量光量的变化，从而能够像照相机那样生成近红外影像。

并且，监视柱501A，被设置为对特定的位置进行定点测量。因此，在设置监视柱501A时，也可以将示出设置位置的位置信息预先登记在信息中心2的存储部240。据此，监视柱501A也可以不具备位置信息获得部120。而且，在监视柱501A具备位置信息获得部120的情况下，能够减轻按监视柱的每个设置登记位置信息的工作。

而且，在信息中心2中，天候信息获得部250，获得与从监视柱501A发送来的位置信息一致的位置的天候信息。通常，进行气象观测的位置与监视柱501A存在的位置不同，因此，天候信息获得部250，例如，获得与监视柱501A的设置位置最近的位置的天候信息。

并且，监视柱501A也可以具备，图4等示出的环境信息获得部130。环境信息获得部130，例如，由温度传感器、照度传感器、湿度传感器、气压传感器、降水量传感器、风速传感器等实现。环境信息获得部130，获得温度、太阳光的照度、湿度、气压、降水量、风速等的环境信息。

监视柱501A具备环境信息获得部130，据此，能够获得与天候信息相比详细的路面上的每个地点的环境信息。据此，能够更高精度地预测各个地点的路面的水分状态的变化。

在此，对于信息中心2的存储部240所存储的积蓄数据241的数据结构，利用图20以及图21进行说明。

图20是示出特定时刻的四个地点的位置的积蓄数据241的一个例子的图。在积蓄的数据中记录有，日期时间信息、位置信息、作为水分信息的测量区域内的路面的水分状态、测量区域内的干燥区域和水区域和雪区域冰区域的比率。而且，路面的水分状态示出，测量区域内的比率最大的区域的状态。

进而，在积蓄数据241中记录有，作为天候信息的、天候、气温、降水量、降雪量、风向、日照时间、湿度、气压信息。图20示出的天候信息是，一个例子，也可以另外包括露点温度、蒸气压、云量、全天日照量等的数据。

图21是示出特定位置的每一个小时的积蓄数据241的一个例子的图。在图21中，积蓄每一个小时的路面状态、测量区域内的干燥区域、水区域、雪区域、冰区域的比率、以及天候信息，但是，不仅限于此。也可以按每30分或两个小时等的规定时间积蓄。

并且，并不一定需要以等间隔更新，例如，在降雨量、降雪量或日照量多时等，预测到水分状态的变化激烈的情况下，也可以提高更新频度。例如，在路面存在水分、且紧前的测量时的水分温度为0℃以下、周围气温正在上升的情况，或者，在路面存在水分、且紧前的测量时的水分温度为0℃以上、周围气温正在降低的情况等，包括在预测到水分状态的变化激烈的情况中。据此，能够根据更少的信息高精度地预测路面的水分状态。据此，能够减轻信息的发送成本以及信息的积蓄成本。

并且，监视柱501A也可以，不是检测水分的专用的装置。例如，监视柱501A也可以具备，能够作为街灯或信号机利用的LED、有机EL(Electroluminescence)元件、无机EL元件等的光源。实现多个功能，据此能够削减设置成本以及布线等的部件成本。

并且，在监视柱501A具备作为街灯或信号机发挥功能的光源的情况下，也可以使这些光源，与水分信息的获得用的近红外光源、或近红外影像摄像部512同步工作。例如，将水分信息获得用的光源和街灯或信号机用的光源交替照射来拍摄，从而能够高精度地获得水分信息。

并且，监视柱501A也可以具备，测量人物或车辆等的运动物体的位置的单元。监视柱501A也可以，具备近红外摄像装置等的获得图像的单元，以作为测量运动物体的位置的单元。对获得的图像，进行背景差分法等的帧间的图像比较，从而能够测量运动的物体。并且，也可以利用毫米波雷达等测量运动物体。

并且，也可以判断监视柱501A的周围的监视的必要性。能够将在监视柱501A的周围，运动物体频繁通过的地点，判断为监视路面的水分状态的必要性高的区域。另一方面，能够认为运动物体过去一次也没有通过的地点、或运动物体几乎不通过的地点等是监视路面状态的必要性低的区域。也可以判别监视柱501A的周围的监视需要区域和监视不要区域，仅判别监视需要区域的路面的水分状态，将示出判别结果的状态信息发送到信息中心2等。据此，能够减少判别所需要的处理量、以及应该发送的信息量等。与将示出监视柱501A的周边的平均的水分状态的状态信息发送到信息中心2的情况相比，能够获得示出高精度地判别的水分状态的状态信息。

并且，监视柱501A也可以，根据运动物体的移动速度以及大小等，判别运动物体的种类。据此，能够判别车辆与人，区别车道的水分状态以及人行道的水分状态。

并且，监视柱501A也可以具备，实施方式2等所示的局部型的水分信息获得部110。

接着，说明本实施方式涉及的路面状态预测系统501的工作。图22是示出本实施方式涉及的路面状态预测系统501的第一工作的流程图。图22示出路面的水分状态的第一预测处理。

首先，在步骤S201中，设定想要预测的一个以上的候选地点。候选地点，由纬度以及经度的组表示。例如，预测部220，在显示器等显示候选地点的输入画面或选择画面，接受来自用户的选择。显示在选择画面的选择的候选是，例如，积蓄数据241中包括的所有的位置信息示出的位置。

接着，在步骤S202中，预测部220，从步骤S201所设定的一个以上的候选地点中选择一个，获得选择出的候选地点的纬度以及经度。步骤S202中选择的候选地点是，成为预测对象的对象位置。

接着，在步骤S203中，预测部220，从存储部240获得示出对象位置的路面的水分状态的状态信息、以及天候信息。

接着，在步骤S204中，天候信息获得部250，获得对象位置的现在的天候信息。

然后，在步骤S205中，预测部220，执行规定的算法，从而预测对象位置的路面的水分状态。步骤S205的详细内容是，利用图10进行说明那样的。

在步骤S206中，预测部220，判断步骤S201所设定的一个以上的预测的候选地点中是否存在预测还没有完成的候选地点。若存在没有预测的候选地点(是)，则返回到步骤S202，反复进行所述的处理。

若在步骤S206中不存在没有预测的候选地点(否)，在步骤S207中，预测部220，制作汇集每个地点的预测结果的预测数据。

接着，对于路面的水分状态的第二预测处理，利用图23进行说明。图23是示出本实施方式涉及的路面状态预测系统501的第二工作的流程图。而且，路面状态预测系统501也可以执行，图22示出的第一工作和图23示出的第二工作的任一方。

首先，在步骤S211中，预测部220，设定预测时间T。预测时间T是，进行预测的时间的范围。具体而言，预测时间T是，表示想要从现在起几个小时后为止进行预测的时间。

接着，在步骤S212中，预测部220，将时间增量N设定为1。时间增量N示出，预测的时间间隔。也就是说，生成每N小时的水分状态的预测信息。设定为N＝1，从而生成从现在起一个小时后的水分状态的预测信息。

接着，在步骤S213中，预测部220，设定想要预测的一个以上的候选地点。

接着，在步骤S214中，预测部220，从步骤S213所设定的一个以上的候选地点中选择一个，获得选择出的候选地点的纬度以及经度。

接着，在步骤S215中，预测部220，从存储部240获得示出对象位置的路面的水分状态的状态信息、以及天候信息。

接着，在步骤S216中，天候信息获得部250，获得对象位置的现在的天候信息。

进而，在步骤S217中，天候信息获得部250，获得N小时后的天候预测信息。天候预测信息是，所谓气象预报。

然后，在步骤S218中，预测部220，执行规定的算法，从而预测对象位置的N小时后的路面的水分状态。步骤S218的详细内容是，利用图10进行说明那样的。

在步骤S219中，预测部220，判断步骤S211所设定的一个以上的预测的候选地点中是否存在预测还没有完成的候选地点。若存在没有预测的候选地点(是)，则返回到步骤S213，反复进行所述的处理。

若在步骤S219中不存在没有预测的候选地点(否)，在步骤S220中，制作汇集每个地点的预测结果的第一预测数据。第一预测数据是，例如，表示规定时刻(例如，一个小时后)的路面的水分状态的地图信息。

在步骤S221中，预测部220，对时间增量N与预测时间T进行比较，若是N≥T(是)，在步骤S223中，预测部220，制作汇集1，2，…，T小时后的各个第一预测数据的第二预测数据。第二预测数据是，表示第一预测数据的时间变化，具体而言，水分状态的预测地图的时间变化的信息。

另一方面，在步骤S221中，若不是N≥T(否)，则在步骤S222中将N的值增大1，返回到步骤S213，继续进行预测处理。此时，在步骤S218中，除了步骤S215中获得的示出过去的路面的水分状态的状态信息、步骤S216中获得的现在的天候信息以及步骤S217中获得的N小时后的天候预测信息以外，还根据N-1小时后的预测结果进行N小时后的路面水分状态预测。

根据图23示出的第二预测方法，能够进行基于过去的天候信息、以及将来的气象预测的精度高的路面的水分状态的预测。

接着，对于路面的水分状态的第三预测处理，利用图24进行说明。图24是示出本实施方式涉及的路面状态预测系统501的第三工作的流程图。

首先，在步骤S301中，预测部220，设定想要预测的一个以上的候选地点。

接着，在步骤S302中，预测部220，设定预测时间T。

接着，在步骤S303中，预测部220，从步骤S301所设定的一个以上的候选地点中选择一个，获得选择出的候选地点的纬度以及经度。

接着，在步骤S304中，预测部220，将时间增量N设定为1。

接着，在步骤S305中，预测部220，从存储部240获得示出对象位置的路面的水分状态的状态信息、以及天候信息。

接着，在步骤S306中，天候信息获得部250，获得对象位置的现在的天候信息。

接着，在步骤S307中，天候信息获得部250，获得N小时后的天候预测信息。

接着，在步骤S308中，预测部220，执行规定的算法，从而预测对象位置的N小时后的路面的水分状态。

在步骤S309中，预测部220，对时间增量N与预测时间T进行比较，若是N≥T(是)，在步骤S311中，预测部220，制作汇集1，2，…，T小时后的各个预测结果的第一预测数据。第一预测数据是，表示规定位置的路面的水分状态的时间变化的信息。

在步骤S309中，若不是N≥T(否)，在步骤S310中，则预测部220将N的值增大1，返回到步骤S307，继续进行预测处理。

在步骤S312中，预测部220，判断步骤S301所设定的一个以上的候选地点中是否存在预测还没有完成的候选地点。若存在没有预测的候选地点(是)，则返回到步骤S303，反复进行所述的处理。

若在步骤S312中不存在没有预测的候选地点(否)，在步骤S313中，制作汇集步骤S311中制作的第一预测数据的第二预测数据。第二预测数据是，例如，将表示每个地点的预测结果的时间变化的第一预测数据表现在地图上的数据。

此时，在步骤S308中，预测部220，除了步骤S305中获得的示出过去的路面的水分状态的状态信息、步骤S306中获得的现在的天候信息、以及步骤S307中获得的N小时后的天候预测信息以外，还根据N-1小时后的预测结果进行N小时后的水分状态的预测。根据图24示出的第三工作，能够进行基于过去的气象信息、以及将来的气象预测的精度高的水分状态的预测。

接着，对于路面的水分状态的第四预测处理，利用图25进行说明。图25是示出本实施方式涉及的路面状态预测系统501的第四工作的流程图。

首先，在步骤S321中，预测部220，设定预测路径。预测路径，被设定为从移动的开始地点到结束地点为止的路径中包括的一个以上的预测的候选地点、和从移动开始地点到一个以上的预测的候选地点的每一个为止的移动时间N的组。而且，预测的候选地点，由纬度以及经度表示。并且，移动时间N是，受到移动速度或道路的堵塞状况等的影响，按一个以上的预测的候选地点的每一个不同的时间。

接着，在步骤S322中，预测部220，设定预测开始地点。

接着，在步骤S323中，预测部220，获得示出步骤S322所设定的预测开始地点的纬度以及经度的信息，以作为对象位置。

接着，在步骤S324中，预测部220，将移动预测时间设定为N。

接着，在步骤S325中，预测部220，从存储部240获得示出对象位置的路面的水分状态的状态信息、以及天候信息。

接着，在步骤S326中，天候信息获得部250，获得对象位置的现在的天候信息。

接着，在步骤S327中，天候信息获得部250，获得N小时后的天候预测信息。

接着，在步骤S328中，预测部220，执行规定的算法，从而预测对象位置的N小时后的路面的水分状态。

在步骤S329中，预测部220，判断步骤S321所设定的预测路径中包括的一个以上的预测的候选地点中是否存在预测还没有完成的候选地点。若存在没有预测的候选地点(是)，则返回到步骤S323，反复进行所述的处理。

若在步骤S329中不存在没有预测的候选地点(否)，在步骤S330中，预测部220，制作汇集每个地点的预测结果的路面的水分状态的预测数据。

此时，在步骤S328中，预测部220，除了步骤S325中获得的示出过去的路面的水分状态的状态信息、步骤S326中获得的现在的天候信息、以及步骤S327中获得的N小时后的天候预测信息以外，还根据N-1小时后的预测结果进行N小时后的水分状态的预测。

根据图25所示的第四工作，对于移动开始地点到移动结束地点为止的预测路径的路面状况，能够进行基于过去的气象信息、以及将来的气象预测的精度高的路面状态预测。

(其他)

以上，对于本公开的一个或多个形态涉及的路面状态预测系统、驾驶支援系统、路面状态预测方法以及数据分发方法，根据实施方式进行了说明，但是，本公开，不仅限于所述实施方式。只要不脱离本公开的宗旨，对各个实施方式实施本领域技术人员想到的各种变形而得到的形态，以及组合不同实施方式的构成要素来构筑的形态，也可以包含在本公开的一个或多个形态的范围内。并且，通过本说明书中说明的路面状态预测方法，能够进行高精度的路面状态的预测。因此，水分信息的获得以及路面状态的预测并一定需要由一体化的装置执行。

例如，预测部220也可以，根据从多个移动体1A以及1B收集的水分信息，按移动体的每个移动路径进行预测，将预测结果汇集为一连串的信息。按每个移动路汇集预测结果，从而能够一览移动路径上的路面的水分状态的预测。因此，能够高效率地用于自动驾驶的可否等的驾驶的支援。

并且，从多个移动体1A以及1B收集水分信息，从而能够在宽广的区域且短期间内收集许多水分状态的检测结果。据此，能够实现宽范围且精度高的水分状态的预测结果的制作以及利用。

并且，例如，在多个移动体1A以及1B在不同时刻通过相同的道路的情况下，也可以根据测量的相同道路的不同时刻的水分信息，对与道路的每个位置的水分状态的变化率有关的信息进行学习。据此，能够实现更高精度的路面的水分状态的预测。例如，能够多次测量相同地点的水分温度，根据水分温度的时间变化的速度，求出其道路的温度变化的容易性。

并且，在此情况下也可以，不仅测量多个水分温度，还测量太阳光的照度或气温等。据此，能够实现考虑到太阳光的照度或气温以及位置的水分状态的预测。太阳光的照度或气温，例如，由搭载在移动体1A以及1B的环境信息获得部130获得。或者，也可以根据从卫星对地球进行遥感的结果或天气信息估计太阳光的照度或气温。并且，也可以按道路的每个位置对日期时间以及每个天气的太阳光的照度的信息进行学习。例如，按道路的每个位置成为背阴处的时间段、以及成为向阳处的时间段不同，因此，能够实现更高精度的水分状态的预测。

并且，根据水分状态(具体而言，雪、冰、水)，太阳光的反射率也不同。因此，也可以将每个水分状态的太阳光的吸收率的数据库，例如，积蓄在信息中心2的存储部240。能够提高基于太阳光的水分温度的上升速度的预测精度，能够实现高精度的水分状态的预测。

并且，例如，也可以在不同时刻多次执行同一道路的水分量的测量，根据其增减学习水分量的变化的容易性，存储到信息中心2的存储部240。与多次的测量间的降雪量、降雨量、太阳光凤然照度、气温、或风速等的信息一起学习，从而能够以所述参数校正水分量的变化速度。据此，能够实现更高精度的水分量的预测。

并且，移动体1A也可以具备，将水分信息与时间信息建立对应来存储的存储器以及将位置信息与时间信息建立对应来存储的存储器。在移动体1A中也可以，例如，控制部170，在行驶的停止中、或移动的结束后等，进行根据时间信息将位置信息与水分信息建立关联的数据的加工。例如，在移动体1A搭载有预先获得位置信息和时间信息的单元的情况下，只要追加水分信息获得部110，就能够有效地利用现有的位置信息的获得单元。据此，能够实现路面状态预测系统1的低成本化。

并且，为了掌握每个道路的温度变化的容易性，也可以在至少24小时以内、优选为6小时以内两次以上获得水分信息。

并且，移动体1A也可以具备，载货台等的装载货物的单元。例如，移动体1A也可以是，由运输经营者或邮政经营者等经营或管理的车辆。根据这样的结构，除了水分信息的获得以外，还能够进行运输事业或邮政事业，能够实现水分信息的获得的低成本化。并且，能够实现水分信息的获得位置的地域网罗性的提高、以及同一地点的水分检测的反复次数的增加。

并且，移动体1A以及移动体1B也可以是，重量互不相同的移动体。移动体1A和移动体1B的重量不同，据此，轮胎的加压的力量不同，或者，针对道路的加振的大小也不同。据此，能够使路面的表面状态的振动或表面凹凸的形状变化不同。据此，能够测量更多种多样的水分状态。

例如，在重量轻的移动体的情况下，轮胎的加压变小，振动也变小。另一方面，在重量重的移动体的情况下，轮胎的加压以及振动也变大。按照路面的硬度适于测量的加压量不同，因此，重量不同的多个移动体1A以及1B进行同一道路的水分状态的测量，从而能够高精度地判别积雪、压雪、泥、冻结等的不同硬度的多个状态。

并且，移动体1A以及移动体1B也可以是，车高互不相同的汽车。车高不同，据此，也能够改变水分信息获得部110的近红外光源部111以及光检测部112的离路面的设置高度。来自车高低的汽车的低视点的水分信息是窄区域的水分信息，来自车高高的汽车的高视点的水分信息是更宽广的区域的水分信息。因此，路面状态预测系统，将车高不同的多个汽车作为多个移动体包括，从而能够获得路面全体的平均的水分信息、以及每个部分的水分信息的不均匀的双方。据此，能够进行更高精度的路面的水分状态的预测。

并且，多个移动体1A或1B也可以是，被称为无人机的飞行体。据此，能够以廉价从上空获得宽范围的水分信息。而且，对于无人机等的飞行体，在道路上进行通行是指，在道路的上空沿着道路移动。

并且，在所述中说明了直接检测路面上的水分的例子，但是，在移动体1A为汽车的情况下，也可以利用检测轮胎表面的水分，来估计路面上的水分的方法。轮胎表面的颜色以及光散射系数等为一定，因此，与测量因国家或地区而颜色或表面凹凸等不同的道路表面的情况相比，在测量轮胎表面的情况下，能够高精度地判别水分状态。

并且，移动体1A也可以，具备近红外摄像装置等，具备测量人物或车辆等的运动物体的位置的单元。并且，移动体1A，也可以判断移动体1A的周围的监视的必要性。

并且，移动体1A也可以，根据运动物体的移动速度以及大小等，判别运动物体的种类。据此，能够判别车辆与人，区别车道的水分状态以及人行道的水分状态。

并且，也可以将由移动体1A获得的位置信息与水的吸收波长的反射率建立对应，存储到信息中心2、或移动体1A。据此，能够对水不存在时的水的吸收波长的反射率、以及水存在时的吸收波长的反射率进行学习。据此，即使不具备水的吸收波长以外的光源部以及光检测部的结构，也能够测量水分量。

并且，移动体1A也可以具备，检测路面上的漏油的功能。例如，能够获得并提供针对因油而容易滑动并跌倒的二轮车更重要的示出路面状态的信息。而且，在检测油的情况下，也可以构成为具备例如波长3.4μm的红外光源，或者，构成为具备例如波长6.9μm的红外光源。并且，也可以构成为具备宽带的红外光源，利用仅使特定的波长的光透过的滤波器改变测量波长。也可以在光源与测量对象物之间设置滤波器，在测量对象物与受光部之间设置滤波器。

并且，水分状态，不仅限于干燥、水、冰、雪，也可以包括冰坡、黑冰、泥雪、融化雪等的状态。并且，也可以将路面的材质信息用于预测水分状态。例如，因沥青、混凝土、铁板、砂石、土等而水分状态的变化速度不同。也可以预先将材质信息，与位置信息建立对应来存储。或者，移动体1A也可以具备可见光照相机等，根据拍摄的图像等判断道路的材质。

并且，多个移动体1A或1B也可以是，发送能够向各个家庭的邮箱投信的小型邮件的邮政摩托车。据此，能够获得仅由一般在用户起床后开始发送的大型的宅急送公司的车辆，容易不足的示出早晨的路面水分的状态的信息。

并且，例如，预测部220也可以，根据第一路面的水分信息，进行与第一路面不同的第二路面的水分状态的预测。具体而言，预测部220，根据第一路面与第二路面的相关关系进行预测。相关关系是，第一路面的水分状态与第二路面的水分状态的关联性。预测部220，例如，按照关联的大小，利用以0至1的范围表示的相关值进行预测。

例如，在第一路面和第二路面是相同的道路的第一通行带和第二通行带的情况下，第一路面的水分状态与第二路面的水分状态容易相同。并且，例如，在第一路面倾斜，第二路面位于第一路面的下方的情况下，第二路面容易成为与第一路面相比总是水分量多的状态。如此，会有在多个路面之间具有相关性的情况。因此，预测部220能够，根据第一路面的水分信息预测第一路面的水分状态，以相关值对预测的水分状态进行校正，从而设为第二路面的水分状态的预测结果。

或者，也可以通过机器学习将第一路面的水分状态与第二路面的水分状态建立关联。对于机器学习，能够利用随机森林或深度学习等的方法。

并且，在移动体1A是在道路3行驶的车辆的情况下，水分信息获得部110(具体而言，近红外光源部111以及光检测部112)也可以，被设置在车辆的两侧面。将车辆的侧面设为检测区域，从而能够除了车辆行驶中的通行带以外，还检测对头车道或人行道等的其他的通行带的路面的水分。此时，也可以在一方的侧面设置多个水分信息获得部110。据此，能够除了邻接的通行带以外，还检测远方的通行带的路面的水分。

并且，水分信息获得部110也可以，将车辆的后方设为检测区域检测水分。据此，能够抑制对头车辆的头灯的影响。

并且，水分信息获得部110也可以，被设置在车辆向的前方的左右部分。据此，能够由车辆在行驶时接受的风，去除附着在表面的污垢等。

并且，为了使向路面照射的光的入射角变小，水分信息获得部110也可以，被设置在车辆的屋顶。入射角也可以是，例如小于50度。据此，在黑冰的情况下也能够检测。

或者，考虑坏天气的情况，水分信息获得部110也可以，被设置在车辆的底部等的低位置(即，与路面近的位置)。据此，能够抑制错误检测雨或雾等的空中的水分。

例如，水分信息获得部110也可以，被设置在车辆的背面。据此，能够抑制日照的影响、以及人手所引起的污垢等。并且，水分信息获得部110也可以，相对于车辆容易装拆自如。

并且，在水分信息获得部110，代替光检测部112而具备近红外影像摄像部512的情况下，也可以按照向车辆的设置位置设置像素数不同的传感器。例如，将安装在车辆的侧面的传感器的像素数设为，比安装在车辆的前面的传感器的像素数多。据此，能够高精度地检测多个通行带的路面的水分。反而，也可以将安装在车辆的前面的传感器的像素数设为，比安装在车辆的侧面的传感器的像素数多。据此，能够提高自车辆的安全性。

而且，在检测多个通行带的路面的水分的情况下，也可以判别通行带的类别。具体而言，能够根据车辆的位置和道路的车道数量，判别检测出的路面的通行带。例如，在车辆行驶在单侧一个车道所组成的共计两个车道的道路的情况下，能够判断车辆的右侧面是对头车道，左侧面是人行道。或者，也可以根据搭载在车辆的可见光照相机等的图像，判别通行带的类别。也可以将通行带的类别、与干燥、水、冰、雪等的状态信息建立对应来积蓄。

并且，例如，也可以测量轮胎的滑动率。通过测量轮胎的滑动率，从而能够提高水分状态的检测精度。

并且，例如，天候信息也可以包括，花粉信息。例如，若积雪或下雨，则花粉量少。并且，因水分的蒸发而路面干燥，据此，路面上的水分等中包含的花粉，容易再次飞散。如此，利用花粉信息，从而能够提高路面的水分状态的预测精度。

并且，例如，在所述各个实施方式中，各个构成要素，也可以由专用的硬件构成，或者，也可以通过执行适于各个构成要素的软件程序来实现。也可以CPU或处理器等的程序执行部，读出并执行硬盘或半导体存储器等的记录介质中记录的软件程序，来实现各个构成要素。

另外，对各个实施方式实施本领域技术人员想到的各种变形而得到的形态，或在不脱离本公开的宗旨的范围内任意组合各个实施方式的构成要素以及功能来实现的形态，也包含在本公开中。

本公开涉及的路面状态预测装置，驾驶支援系统，路面状态预测方法以及数据分发方法，有用于移动体的安全通行，具体而言车辆的安全行驶。

符号说明

1、1a、1b、1c、1d、301、302、303、501 路面状态预测系统

1A、1B、1C、1D 移动体

2 信息中心

3 道路

4 桥梁

5 出口

110、510 水分信息获得部

111 近红外光源部

112 光检测部

113 辐射温度测量部

114、513 判别部

120 位置信息获得部

121 GPS接收器

130 环境信息获得部

140 摩擦系数测量部

150 加压部

160 凹凸测量部

170、530 控制部

180 移动速度测量部

190 时刻获得部

210 收集部

220 预测部(水分状态)

230 积蓄部

240 存储部

241 积蓄数据

250 天候信息获得部

260 预测部(摩擦系数)

370 分发部

380 通知部

381 判断部

382 搜索部

390 改变信息获得部

400 驾驶支援系统

401 车辆

402 控制器

403 自动控制ECU

404 操舵部

405 制动部

406 驱动部

407 底盘控制部

408 信息积蓄部

409 传感器组

410 显示器

411 接收终端

501A、501B 监视柱

511 热图像摄像部

512 近红外影像摄像部

Claims (20)

1.一种路面状态预测系统，具备：

收集部，从多个移动体的每一个收集水分信息以及位置信息，所述水分信息是所述多个移动体的每一个检测通行中的道路的路面上的水分而得到的与所述路面上的水分有关的信息，所述位置信息示出检测出所述水分的路面的位置；以及

预测部，根据所述收集部收集的多个所述水分信息之中的、检测对象路面上的水分而得到的水分信息，预测检测出所述对象路面上的水分的时刻之后的时刻的所述对象路面的水分状态，所述对象路面是所述收集部收集的多个所述位置信息中的至少一个示出的位置的路面。

2.如权利要求1所述的路面状态预测系统，

所述水分信息包括，示出检测出的水分的厚度的厚度信息。

3.如权利要求1或2所述的路面状态预测系统，

所述水分信息包括，示出检测出的水分的温度的温度信息。

4.如权利要求1至3的任一项所述的路面状态预测系统，

所述水分信息包括，示出检测出的水分的太阳光的吸收率的吸光信息。

5.如权利要求1至4的任一项所述的路面状态预测系统，

所述路面状态预测系统还具备第一获得部，

所述第一获得部获得环境信息，所述环境信息示出所述收集部收集的多个所述位置信息中的至少一个所示的位置的气温、湿度、风速、太阳光的光量以及气压中的至少一个。

6.如权利要求1至4的任一项所述的路面状态预测系统，

所述路面状态预测系统还具备第二获得部，

所述第二获得部获得天候信息，所述天候信息示出所述收集部收集的多个所述位置信息中的至少一个所示的位置的天候。

7.如权利要求6所述的路面状态预测系统，

所述路面状态预测系统还具备：

判别部，判别检测出的水分是水、冰、雪或它们的混合状态中的哪一个，从而生成示出检测出的水分状态的状态信息；以及

积蓄部，将所述状态信息、所述位置信息、以及所述天候信息建立对应来积蓄。

8.如权利要求7所述的路面状态预测系统，

所述判别部还判别水、冰、雪或它们的混合状态在路面上的扩展程度。

9.如权利要求7或8所述的路面状态预测系统，

所述判别部，搭载在所述多个移动体的每一个。

10.如权利要求7至9的任一项所述的路面状态预测系统，

所述第二获得部，获得检测出所述位置信息示出的位置的路面上的水分的时刻以后的多个时刻的多个所述天候信息，

所述积蓄部，积蓄所述第二获得部获得的多个所述天候信息。

11.如权利要求7至10的任一项所述的路面状态预测系统，

所述积蓄部，进一步，根据所述天候信息更新所述状态信息。

12.如权利要求7至11的任一项所述的路面状态预测系统，

所述积蓄部，按所述多个移动体的每个移动路径汇集并积蓄所述状态信息。

13.如权利要求7至12的任一项所述的路面状态预测系统，

所述路面状态预测系统还具备第三获得部，

所述第三获得部，获得与道路的改变有关的改变信息，

所述积蓄部，根据所述改变信息更新所述状态信息。

14.如权利要求1至13的任一项所述的路面状态预测系统，

所述路面状态预测系统还具备通知部，

所述通知部，通知所述预测部的预测结果。

15.如权利要求14所述的路面状态预测系统，

所述路面状态预测系统还具备：

判断部，根据所述预测部的预测结果判断道路的通行的可否；以及

搜索部，在所述判断部判断为不能通行的情况下，搜索迂回路，

所述通知部，还通知所述搜索部所搜索的迂回路。

16.如权利要求1至15的任一项所述的路面状态预测系统，

所述路面状态预测系统还具备分发部，

所述分发部，分发包括所述预测部的预测结果的分发信息。

17.一种驾驶支援系统，具备：

权利要求16所述的路面状态预测系统；

接收终端，搭载在车辆，并且接收所述分发信息；以及

控制部，根据所述接收终端接收的分发信息，支援所述车辆的自动驾驶。

18.一种驾驶支援系统，具备：

权利要求1至16的任一项所述的路面状态预测系统；以及

控制部，根据所述预测部的预测结果，支援车辆的自动驾驶。

19.一种路面状态预测方法，

从多个移动体的每一个收集水分信息以及位置信息，所述水分信息是所述多个移动体的每一个检测通行中的道路的路面上的水分而得到的与所述路面上的水分有关的信息，所述位置信息示出检测出所述水分的路面的位置，

根据收集的多个所述水分信息之中的、检测对象路面上的水分而得到的水分信息，预测检测出所述对象路面上的水分的时刻之后的时刻的所述对象路面的水分状态，所述对象路面是收集的多个所述位置信息中的至少一个示出的位置的路面。

20.一种数据分发方法，

分发包括通过权利要求19所述的路面状态预测方法预测的预测结果的分发信息。