CN114264597B - 一种低成本的路面附着系数确定方法及系统 - Google Patents
一种低成本的路面附着系数确定方法及系统 Download PDFInfo
- Publication number
- CN114264597B CN114264597B CN202111567809.9A CN202111567809A CN114264597B CN 114264597 B CN114264597 B CN 114264597B CN 202111567809 A CN202111567809 A CN 202111567809A CN 114264597 B CN114264597 B CN 114264597B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- adhesion coefficient
- determining
- coefficient
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种低成本的路面附着系数确定方法及系统，其中，方法包括：通过车载定位模块获取第一车辆的定位信息；通过大数据平台获取道路附着系数地图；基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数。本发明的低成本的路面附着系数确定方法，通过从大数据平台获取道路附着系数地图，进而确定车辆行驶的道路的路面附着系数，实现快速及低成本的路面附着系数的确定。
Description
技术领域
本发明涉及汽车技术领域，特别涉及一种低成本的路面附着系数确定方法及系统。
背景技术
目前，在车辆行驶过程中，除空气阻力外，绝大部分作用于车辆上的外力均来自于轮胎与地面间的接触力，因此轮胎与路面间的接触情况对车辆的安全性和动力性等性能起着决定性的作用。路面附着系数表征轮胎与路面间的接触情况，也限制了轮胎可获得的最大路面作用力，因此，路面附着系数是影响主动避撞等主动安全系统性能的关键参数。
目前附着系数的检测主要有Cause-based手段，它按照路面的两方面情况(具体形态和物理特征)来识别具体的附着系数。识别时，它会通过光学传感器对路面的两种情况(吸光情况和散射光情况)进行测量。这一手段的优势是直接、操作简单，缺点是传感器价格高，无法应用于量产车中。
发明内容
本发明目的之一在于提供了一种低成本的路面附着系数确定方法，通过从大数据平台获取道路附着系数地图，进而确定车辆行驶的道路的路面附着系数，实现快速及低成本的路面附着系数的确定。
本发明实施例提供的一种低成本的路面附着系数确定方法，包括：
通过车载定位模块获取第一车辆的定位信息；
通过大数据平台获取道路附着系数地图；
基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数。
优选的，低成本的路面附着系数确定方法，还包括：
通过设置在第一车辆内的各个传感器获取第一车辆的车辆行驶参数数据；
获取第一车辆对应的车辆模型；
基于车辆行驶参数数据和车辆模型，确定通过各个第二车辆进行间接测量的第一车辆所在的道路的第二路面附着系数；
当第二路面附着系数与第一路面附着系数的差值大于预设的第一阈值时，向第一车辆的车载电脑输出表示异常的第一提示信息；车载电脑将第一提示信息显示给第一车辆的司机。
优选的，大数据平台构建道路附着系数地图，执行如下操作：
获取道路交通图；
基于预设的第一规则，对道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段；
通过设置在各个路段上的环境监测设备获取当前的环境参数；
获取各个路段上历史通行数据；
基于环境参数对历史通行数据进行筛选，获取目标通行数据；
解析目标通行数据，确定多个历史通行的第二车辆；
获取第二车辆在通行路段的车辆状态参数数据；
基于车辆状态参数数据，确定第二车辆对应的车辆模型；
获取第二车辆在通行路段的车辆行驶参数数据；
基于车辆模型和车辆行驶参数数据，确定通过各个第二车辆进行间接测量的路段的参考道路附着系数；
基于参考道路附着系数，确定路段的第一路面附着系数；
将各个路段的第一路面附着系数映射至道路交通图，构建道路附着系数地图。
优选的，基于参考道路附着系数，确定路段的第一路面附着系数，包括：
获取第二车辆的行驶记录及维修记录；
基于第二车辆的车辆型号，获取预设的置信度量化库；
对第二车辆的行驶记录及维修记录，进行特征提取；
基于提取的特征值构建置信向量；
将置信向量与置信度量化库的各个标准向量匹配；
获取与置信向量匹配的标准向量对应关联的置信度；
当确定参考道路附着系数的置信度小于预设的置信阈值时，将第二车辆对应的参考道路附着系数删除；
基于置信度，确定剩余的参考道路附着系数的权重系数；
基于权重系数和对应的参考道路附着系数，确定路段的第一路面附着系数。
优选的，基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数，包括：
基于定位信息，确定当前的第一车辆所在的道路属于道路交通图中的路段；
获取与当前的第一车辆所在的道路对应的路段相关联映射的第一路面附着系数。
优选的，基于预设的第一规则，对道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段，包括：
获取道路的施工信息；
基于道路的施工日期以及施工承包商的不同，对道路进行分段；
和/或，
基于预设的分段距离，对道路进行分段。
优选的，大数据平台还执行如下操作：
当同一路段内一预设的时间段内基于第一车辆确定的第二路面附着系数与道路附着系数地图对应的第一路面附着系数的差值超出预设的第二阈值的次数大于预设的次数阈值时，向工程测量车发送实地测量指令；
接收工程测量车测量对应路段的第三路面附着系数，并将第三路面附着系数映射至道路附着系数地图。
本发明还提供一种低成本的路面附着系数确定系统，包括：
定位信息获取模块，用于通过车载定位模块获取第一车辆的定位信息；
地图获取模块，用于通过大数据平台获取道路附着系数地图；
第一确定模块，用于基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数。
优选的，低成本的路面附着系数确定系统，还包括：
行驶参数获取模块，用于通过设置在第一车辆内的各个传感器获取第一车辆的车辆行驶参数数据；
第一模型获取模块，用于获取第一车辆对应的车辆模型；
第二确定模块，用于基于车辆行驶参数数据和车辆模型，确定通过各个第二车辆进行间接测量的第一车辆所在的道路的第二路面附着系数；
异常输出模块，用于当第二路面附着系数与第一路面附着系数的差值大于预设的第一阈值时，向第一车辆的车载电脑输出表示异常的第一提示信息；车载电脑将第一提示信息显示给第一车辆的司机。
优选的，大数据平台构建道路附着系数地图，执行如下操作：
获取道路交通图；
基于预设的第一规则，对道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段；
通过设置在各个路段上的环境监测设备获取当前的环境参数；
获取各个路段上历史通行数据；
基于环境参数对历史通行数据进行筛选，获取目标通行数据；
解析目标通行数据，确定多个历史通行的第二车辆；
获取第二车辆在通行路段的车辆状态参数数据；
基于车辆状态参数数据，确定第二车辆对应的车辆模型；
获取第二车辆在通行路段的车辆行驶参数数据；
基于车辆模型和车辆行驶参数数据，确定通过各个第二车辆进行间接测量的路段的参考道路附着系数；
基于参考道路附着系数，确定路段的第一路面附着系数；
将各个路段的第一路面附着系数映射至道路交通图，构建道路附着系数地图。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种低成本的路面附着系数确定方法的示意图；
图2为本发明实施例中一种低成本的路面附着系数确定系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种低成本的路面附着系数确定方法，如图1所示，包括：
步骤S1：通过车载定位模块获取第一车辆的定位信息；
步骤S2：通过大数据平台获取道路附着系数地图；
步骤S3：基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数。
上述技术方案的工作原理及有益效果为：
通过第一车辆上现有安装的车载定位模块获取的定位信息，通过大数据平台上获取道路附着系数地图，进而通过定位信息确定车辆所在的道路在道路附着系数地图上的位置，实现快速确定当前的第一车辆所在的道路的第一路面附着系数；实现快速的附着系数的确定，其中，车载定位模块包括：GPS定位模块、北斗导航定位模块、通信基站定位模块其中一种或多种结合。大数据平台为基于大数据网络，通过车载终端获取与其连接的车辆的行走轨迹、运动数据及各个部件的实时数据的平台。
在一个实施例中，低成本的路面附着系数确定方法，还包括：
通过设置在第一车辆内的各个传感器获取第一车辆的车辆行驶参数数据；行驶参数数据包括车辆动力学参数，车辆动力学参数包括：纵向加速度值、侧向加速度值、方向盘转角等；
获取第一车辆对应的车辆模型；因为第一车辆的驱动方式、车辆的质量及车轮的宽度、纹路等都不尽相同，因此车辆模型也不相同；故需要获取第一车辆对应的车辆模型，驱动方式包括：前轮驱动、后轮驱动和四驱；
基于车辆行驶参数数据和车辆模型，确定通过各个第二车辆进行间接测量的第一车辆所在的道路的第二路面附着系数；第二路面附着系数的是基于将车辆在路面上的车辆行驶参数数据代入到车辆模型中进行间接测量获得，
当第二路面附着系数与第一路面附着系数的差值大于预设的第一阈值时，向第一车辆的车载电脑输出表示异常的第一提示信息；车载电脑将第一提示信息显示给第一车辆的司机。
上述技术方案的工作原理及有益效果为：
通过对第一车辆自身的车辆模型与车辆行驶参数数据确定的第二路面附着系数与通过大数据平台确定的第一路面附着系数，可以对第一车辆车辆自身的行驶参数数据的测量的准确性进行验证，当第二路面附着系数与第一路面附着系数的差值大于预设的第一阈值，说明第一车辆设置的各个车辆行驶参数数据的测量的传感器的检测数据不准，需要进行检修以及车辆模型的重新构建。
在一个实施例中，大数据平台构建道路附着系数地图，执行如下操作：
获取道路交通图；
基于预设的第一规则，对道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段；将各个道路进行分段，以保证最后的道路附着系数地图的准确性；例如：当一条道路的长度大于1KM，不可能采用同一个路面附着系数进行统一标记，因将其进行分段，每一段采用一个路面附着系数；
通过设置在各个路段上的环境监测设备获取当前的环境参数；环境参数包括：湿度、温度、降雨量、风速等；
获取各个路段上历史通行数据；历史通行数据可以是通过车辆上的车载终端进行轨迹记录获取或者通过设置在路侧的图像采集设备采集的数据；
基于环境参数对历史通行数据进行筛选，获取目标通行数据；即将历史通信数据对应关联的环境参数与当前的环境参数相同或相似时，将该历史通行数据标记为目标通行数据；因为相同的环境条件下，道路的性状可以认为是一致的，因此作为其表征的路面附着系数可以认为是相同的；
解析目标通行数据，确定多个历史通行的第二车辆；通过图像识别技术以及解析发送数据的车载终端编号确定第二车辆；
获取第二车辆在通行路段的车辆状态参数数据；主要根据第二车辆的车辆编号(例如车牌)进行大数据平台上进行数据搜索获取车载终端上传的第二车辆在通行路段的车辆状态参数数据；车辆状态参数包括：重量、驱动模式、车辆类型及型号等；
基于车辆状态参数数据，确定第二车辆对应的车辆模型；在大数据平台上存储有根据现有的各个车辆类型及型号等车辆状态参数数据构建的车辆模型，直接根据车辆状态参数数据进行模型的调用；
获取第二车辆在通行路段的车辆行驶参数数据；主要基于第二车辆的车辆编号(例如车牌)进行大数据平台上进行数据搜索获取车载终端上传的第二车辆在通行路段的车辆行驶参数数据；车载终端获取车辆上预设的各个传感器的数据上传至大数据平台；
基于车辆模型和车辆行驶参数数据，确定通过各个第二车辆进行间接测量的路段的参考道路附着系数；将车辆行驶参数数据代入车辆模型实现对路段的路面附着系数的测量；将各个第二车辆测量的路面附着系数作为参考道路附着系数；
基于参考道路附着系数，确定路段的第一路面附着系数；通过统计分析各个第二车辆测量的参考道路附着系数，确定路段的第一路面附着系数；实现准确及普适性的路面附着系数的确定；例如可以去参考道路附着系数的平均值作为路段的第一路面附着系数；
将各个路段的第一路面附着系数映射至道路交通图，构建道路附着系数地图；就是将第一路面附着系数与路段进行关联，形成道路附着系数地图。
在一个实施例中，基于参考道路附着系数，确定路段的第一路面附着系数，包括：
获取第二车辆的行驶记录及维修记录；
基于第二车辆的车辆型号，获取预设的置信度量化库；置信度量化库为预先针对各个车辆型号，通过大量的试验数据进行构建，一个车辆型号对应一个置信度量化库；例如行驶记录中的行驶里程越高、因为车辆运行磨损、传感器的使用误差等，其当前的实际车辆模型与车辆出厂时构建的车辆模型相差就较大，故通过该车辆进行间接测量的第二路面附着系数也就越可能不准确；相同的，维修记录中更换的部件及维修的次数，也体现了车辆模型与初始车辆模型的差异；通过置信度量化库对行驶记录及维修记录对车辆模型的准确可信进行量化，提高了通过多个第二车辆统计分析出的第一地面附着系数的准确性；
对第二车辆的行驶记录及维修记录，进行特征提取；提取的特征值包括：行驶时间总长、行驶里程总长、行驶的路面特征、是否经过维修、维修次数、维修位置、维修方式等；
基于提取的特征值构建置信向量；将特征值按照预设的顺序进行排列，形成置信向量；
将置信向量与置信度量化库的各个标准向量匹配；匹配可以通过计算置信向量与标准向量的相似度的方式实现；
获取与置信向量匹配的标准向量对应关联的置信度；相似度大于预设的阈值且为置信度量化库中的最大时，确定置信向量与标准向量相匹配；
当确定参考道路附着系数的置信度小于预设的置信阈值时，将第二车辆对应的参考道路附着系数删除；通过置信阈值，删除一部分不准确的参考道路附着系数，进而提高第一路面附着系数的确定的准确；
基于置信度，确定剩余的参考道路附着系数的权重系数；将置信度进行归一化处理，实现确定各个参考道路附着系数的权重系数，保证权重系数的总和为一；
基于权重系数和对应的参考道路附着系数，确定路段的第一路面附着系数。例如：参考道路附着系数乘以对应的权重系数，然后计算总和值，就为第一路面附着系数；
其中，置信向量与标准向量的相似度计算公式如下：
式中，zb表示置信向量与标准向量的相似度；zi为置信向量的第i个参数值；bi为标准向量的第i个参数值；n表示向量的维度；
在一个实施例中，基于参考道路附着系数，确定路段的第一路面附着系数，包括：
获取第二车辆的行驶记录及维修记录；
基于第二车辆的车辆型号，获取预设的置信度量化库；
对第二车辆的行驶记录及维修记录，进行特征提取；
基于提取的特征值构建置信向量；
将置信向量与置信度量化库的各个标准向量匹配；
获取与置信向量匹配的标准向量对应关联的置信度；
将置信度最高的第二车辆对应的参考道路附着系数作为路段的第一路面附着系数。
置信度越高说明第二车辆与对应的初始车辆模型的偏差越小，因此更接近路段的第一路面附着系数；当置信度足够高时，第二车辆对应的参考道路附着系数等于路段的第一路面附着系数。
在一个实施例中，基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数，包括：
基于定位信息，确定当前的第一车辆所在的道路属于道路交通图中的路段；
获取与当前的第一车辆所在的道路对应的路段相关联映射的第一路面附着系数。
基于定位信息确定车辆所处位置的道路对应在道路附着系数地图中的路段，直接获取该路段的第一路面附着系数，实现快速及低成本的路面附着系数的确定。
在一个实施例中，基于预设的第一规则，对道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段，包括：
获取道路的施工信息；
基于道路的施工日期以及施工承包商的不同，对道路进行分段；
和/或，
基于预设的分段距离，对道路进行分段。
上述技术方案的工作原理及有益效果为：
在同一天施工并且施工承包上为同一个时，可以认为道路的性状相同，因此可以将施工日期以及施工承包商作为道路分段的执行规则之一，通过预设的分段距离(例如：500米)可以保证道路附着系数地图的精度，以保证快速确定的路面附着系数的准确性。
在一个实施例中，大数据平台还执行如下操作：
当同一路段内一预设的时间段(例如一天)内基于第一车辆确定的第二路面附着系数与道路附着系数地图对应的第一路面附着系数的差值超出预设的第二阈值(可以与第一阈值相等)的次数大于预设的次数阈值(例如5次)时，向工程测量车发送实地测量指令；
接收工程测量车测量对应路段的第三路面附着系数，并将第三路面附着系数映射至道路附着系数地图。
上述技术方案的工作原理及有益效果为：
通过第一车辆间接测量的第二路面附着系数对道路附着系数地图各个路段的第一路面附着系数的准确性进行验证，当预设的时间段(例如一天)内基于第一车辆确定的第二路面附着系数与道路附着系数地图对应的第一路面附着系数的差值超出预设的第二阈值(可以与第一阈值相等)的次数大于预设的次数阈值(例如5次)时，可以怀疑道路附着系数地图中对应路段的第一路面附着系数存在偏差，因此通过工程测量车进行实地测量的第三路面附着系数对道路附着系数地图进行更新。工程测量车可以是搭载有专业检测传感器的车辆，专业检测传感器可以采用Cause-based方法中光学传感器。
本发明还提供一种低成本的路面附着系数确定系统，如图2所示，包括：
定位信息获取模块1，用于通过车载定位模块获取第一车辆的定位信息；
地图获取模块2，用于通过大数据平台获取道路附着系数地图；
第一确定模块3，用于基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数。
在一个实施例中，低成本的路面附着系数确定系统，还包括：
行驶参数获取模块，用于通过设置在第一车辆内的各个传感器获取第一车辆的车辆行驶参数数据；
第一模型获取模块，用于获取第一车辆对应的车辆模型；
第二确定模块，用于基于车辆行驶参数数据和车辆模型，确定通过各个第二车辆进行间接测量的第一车辆所在的道路的第二路面附着系数；
异常输出模块，用于当第二路面附着系数与第一路面附着系数的差值大于预设的第一阈值时，向第一车辆的车载电脑输出表示异常的第一提示信息；车载电脑将第一提示信息显示给第一车辆的司机。
在一个实施例中，大数据平台构建道路附着系数地图，执行如下操作：
获取道路交通图；
基于预设的第一规则，对道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段；
通过设置在各个路段上的环境监测设备获取当前的环境参数；
获取各个路段上历史通行数据；
基于环境参数对历史通行数据进行筛选，获取目标通行数据；
解析目标通行数据，确定多个历史通行的第二车辆；
获取第二车辆在通行路段的车辆状态参数数据；
基于车辆状态参数数据，确定第二车辆对应的车辆模型；
获取第二车辆在通行路段的车辆行驶参数数据；
基于车辆模型和车辆行驶参数数据，确定通过各个第二车辆进行间接测量的路段的参考道路附着系数；
基于参考道路附着系数，确定路段的第一路面附着系数；
将各个路段的第一路面附着系数映射至道路交通图，构建道路附着系数地图。
在一个实施例中，基于参考道路附着系数，确定路段的第一路面附着系数，包括：
获取第二车辆的行驶记录及维修记录；
基于第二车辆的车辆型号，获取预设的置信度量化库；
对第二车辆的行驶记录及维修记录，进行特征提取；
基于提取的特征值构建置信向量；
将置信向量与置信度量化库的各个标准向量匹配；
获取与置信向量匹配的标准向量对应关联的置信度；
当确定参考道路附着系数的置信度小于预设的置信阈值时，将第二车辆对应的参考道路附着系数删除；
基于置信度，确定剩余的参考道路附着系数的权重系数；
基于权重系数和对应的参考道路附着系数，确定路段的第一路面附着系数。
在一个实施例中，第一确定模块基于定位信息和道路附着系数地图，确定当前的第一车辆所在的道路的第一路面附着系数，执行如下操作：
基于定位信息，确定当前的第一车辆所在的道路属于道路交通图中的路段；
获取与当前的第一车辆所在的道路对应的路段相关联映射的第一路面附着系数。
在一个实施例中，基于预设的第一规则，对道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段，包括：
获取道路的施工信息；
基于道路的施工日期以及施工承包商的不同，对道路进行分段；
和/或，
基于预设的分段距离，对道路进行分段。
在一个实施例中，大数据平台还执行如下操作：
当同一路段内一预设的时间段内基于第一车辆确定的第二路面附着系数与道路附着系数地图对应的第一路面附着系数的差值超出预设的第二阈值的次数大于预设的次数阈值时，向工程测量车发送实地测量指令；
接收工程测量车测量对应路段的第三路面附着系数，并将第三路面附着系数映射至道路附着系数地图。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种低成本的路面附着系数确定方法，其特征在于，包括：
通过车载定位模块获取第一车辆的定位信息；
通过大数据平台获取道路附着系数地图；
基于所述定位信息和所述道路附着系数地图，确定当前的所述第一车辆所在的道路的第一路面附着系数；
所述大数据平台构建所述道路附着系数地图，执行如下操作：
获取道路交通图；
基于预设的第一规则，对所述道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段；
通过设置在各个所述路段上的环境监测设备获取当前的环境参数；
获取各个所述路段上历史通行数据；
基于所述环境参数对所述历史通行数据进行筛选，获取目标通行数据；
解析所述目标通行数据，确定多个历史通行的第二车辆；
获取所述第二车辆在通行所述路段的车辆状态参数数据；
基于所述车辆状态参数数据，确定所述第二车辆对应的车辆模型；
获取所述第二车辆在通行所述路段的车辆行驶参数数据；
基于所述车辆模型和所述车辆行驶参数数据，确定通过各个所述第二车辆进行间接测量的所述路段的参考道路附着系数；
基于所述参考道路附着系数，确定所述路段的所述第一路面附着系数；
将各个所述路段的所述第一路面附着系数映射至所述道路交通图，构建所述道路附着系数地图；
其中，所述基于所述参考道路附着系数，确定所述路段的所述第一路面附着系数，包括：
获取所述第二车辆的行驶记录及维修记录；
基于所述第二车辆的车辆型号，获取预设的置信度量化库；
对所述第二车辆的行驶记录及维修记录，进行特征提取；
基于提取的特征值构建置信向量；
将所述置信向量与所述置信度量化库的各个标准向量匹配；
获取与所述置信向量匹配的所述标准向量对应关联的置信度；
当确定所述参考道路附着系数的置信度小于预设的置信阈值时，将所述第二车辆对应的所述参考道路附着系数删除；
基于所述置信度，确定剩余的所述参考道路附着系数的权重系数；
基于所述权重系数和对应的所述参考道路附着系数，确定所述路段的所述第一路面附着系数。
2.如权利要求1所述的低成本的路面附着系数确定方法，其特征在于，还包括：
通过设置在所述第一车辆内的各个传感器获取所述第一车辆的车辆行驶参数数据；
获取所述第一车辆对应的车辆模型；
基于所述车辆行驶参数数据和所述车辆模型，确定第二路面附着系数；
当所述第二路面附着系数与所述第一路面附着系数的差值大于预设的第一阈值时，向所述第一车辆的车载电脑输出表示异常的第一提示信息；所述车载电脑将所述第一提示信息显示给所述第一车辆的司机。
3.如权利要求1所述的低成本的路面附着系数确定方法，其特征在于，所述基于所述定位信息和所述道路附着系数地图，确定当前的所述第一车辆所在的道路的第一路面附着系数，包括：
基于所述定位信息，确定当前的所述第一车辆所在的道路属于所述道路交通图中的路段；
获取与当前的所述第一车辆所在的道路对应的所述路段相关联映射的所述第一路面附着系数。
4.如权利要求1所述的低成本的路面附着系数确定方法，其特征在于，基于预设的第一规则，对所述道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段，包括：
获取道路的施工信息；
基于道路的施工日期以及施工承包商的不同，对所述道路进行分段；
和/或，
基于预设的分段距离，对所述道路进行分段。
5.如权利要求2所述的低成本的路面附着系数确定方法，其特征在于，所述大数据平台还执行如下操作：
当同一路段内一预设的时间段内基于所述第一车辆确定的所述第二路面附着系数与所述道路附着系数地图对应的第一路面附着系数的差值超出预设的第二阈值的次数大于预设的次数阈值时，向工程测量车发送实地测量指令；
接收所述工程测量车测量对应路段的第三路面附着系数，并将所述第三路面附着系数映射至所述道路附着系数地图。
6.一种低成本的路面附着系数确定系统，其特征在于，包括：
定位信息获取模块，用于通过车载定位模块获取第一车辆的定位信息；
地图获取模块，用于通过大数据平台获取道路附着系数地图；
第一确定模块，用于基于所述定位信息和所述道路附着系数地图，确定当前的所述第一车辆所在的道路的第一路面附着系数；
所述大数据平台构建所述道路附着系数地图，执行如下操作：
获取道路交通图；
基于预设的第一规则，对所述道路交通图内的各个道路进行分段，获取多个待确认附着系数的路段；
通过设置在各个所述路段上的环境监测设备获取当前的环境参数；
获取各个所述路段上历史通行数据；
基于所述环境参数对所述历史通行数据进行筛选，获取目标通行数据；
解析所述目标通行数据，确定多个历史通行的第二车辆；
获取所述第二车辆在通行所述路段的车辆状态参数数据；
基于所述车辆状态参数数据，确定所述第二车辆对应的车辆模型；
获取所述第二车辆在通行所述路段的车辆行驶参数数据；
基于所述车辆模型和所述车辆行驶参数数据，确定通过各个所述第二车辆进行间接测量的所述路段的参考道路附着系数；
基于所述参考道路附着系数，确定所述路段的所述第一路面附着系数；
将各个所述路段的所述第一路面附着系数映射至所述道路交通图，构建所述道路附着系数地图；
其中，基于参考道路附着系数，确定路段的第一路面附着系数，包括：
获取第二车辆的行驶记录及维修记录；
基于第二车辆的车辆型号，获取预设的置信度量化库；
对第二车辆的行驶记录及维修记录，进行特征提取；
基于提取的特征值构建置信向量；
将置信向量与置信度量化库的各个标准向量匹配；
获取与置信向量匹配的标准向量对应关联的置信度；
当确定参考道路附着系数的置信度小于预设的置信阈值时，将第二车辆对应的参考道路附着系数删除；
基于置信度，确定剩余的参考道路附着系数的权重系数；
基于权重系数和对应的参考道路附着系数，确定路段的第一路面附着系数。
7.如权利要求6所述的低成本的路面附着系数确定系统，其特征在于，还包括：
行驶参数获取模块，用于通过设置在所述第一车辆内的各个传感器获取所述第一车辆的车辆行驶参数数据；
第一模型获取模块，用于获取所述第一车辆对应的车辆模型；
第二确定模块，用于基于所述车辆行驶参数数据和所述车辆模型，确定第二路面附着系数；
异常输出模块，用于当所述第二路面附着系数与所述第一路面附着系数的差值大于预设的第一阈值时，向所述第一车辆的车载电脑输出表示异常的第一提示信息；所述车载电脑将所述第一提示信息显示给所述第一车辆的司机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111567809.9A CN114264597B (zh) | 2021-12-21 | 2021-12-21 | 一种低成本的路面附着系数确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111567809.9A CN114264597B (zh) | 2021-12-21 | 2021-12-21 | 一种低成本的路面附着系数确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114264597A CN114264597A (zh) | 2022-04-01 |
| CN114264597B true CN114264597B (zh) | 2022-07-22 |
Family
ID=80828410
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111567809.9A Active CN114264597B (zh) | 2021-12-21 | 2021-12-21 | 一种低成本的路面附着系数确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114264597B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115123258B (zh) * | 2022-08-11 | 2023-04-25 | 盐城工学院 | 一种车辆路面附着系数确定方法及系统 |
| CN115140061B (zh) * | 2022-08-16 | 2023-07-14 | 小米汽车科技有限公司 | 附着系数确定方法、装置和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110550041A (zh) * | 2019-07-19 | 2019-12-10 | 北京中科原动力科技有限公司 | 一种基于云端数据共享的路面附着系数估计方法 |
| CN110626325A (zh) * | 2019-09-18 | 2019-12-31 | 中国第一汽车股份有限公司 | 车辆紧急制动方法、装置和系统 |
| CN110660268A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 服务器、车辆及车辆的安全驾驶方法、系统 |
| CN111845709A (zh) * | 2020-07-17 | 2020-10-30 | 燕山大学 | 一种基于多信息融合的路面附着系数估计方法及系统 |
| CN112298188A (zh) * | 2019-07-24 | 2021-02-02 | 奥迪股份公司 | 辅助驾驶方法、系统、计算机设备和存储介质 |
| CN112767678A (zh) * | 2019-11-05 | 2021-05-07 | 北京新能源汽车股份有限公司 | 一种全路网路面附着系数预估系统及方法 |
| CN113361121A (zh) * | 2021-06-21 | 2021-09-07 | 吉林大学 | 一种基于时空同步与信息融合的路面附着系数估计方法 |
| CN113581186A (zh) * | 2021-08-26 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种车辆制动控制所需路面附着系数的确定方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3028344B1 (fr) * | 2014-11-12 | 2016-12-30 | Valeo Schalter & Sensoren Gmbh | Determination automatique d'une limitation de vitesse sur une route |
| US10814846B2 (en) * | 2017-08-11 | 2020-10-27 | Ford Global Technologies, Llc | Traction control based on friction coefficient estimation |
-
2021
- 2021-12-21 CN CN202111567809.9A patent/CN114264597B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110660268A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 服务器、车辆及车辆的安全驾驶方法、系统 |
| CN110550041A (zh) * | 2019-07-19 | 2019-12-10 | 北京中科原动力科技有限公司 | 一种基于云端数据共享的路面附着系数估计方法 |
| CN112298188A (zh) * | 2019-07-24 | 2021-02-02 | 奥迪股份公司 | 辅助驾驶方法、系统、计算机设备和存储介质 |
| CN110626325A (zh) * | 2019-09-18 | 2019-12-31 | 中国第一汽车股份有限公司 | 车辆紧急制动方法、装置和系统 |
| CN112767678A (zh) * | 2019-11-05 | 2021-05-07 | 北京新能源汽车股份有限公司 | 一种全路网路面附着系数预估系统及方法 |
| CN111845709A (zh) * | 2020-07-17 | 2020-10-30 | 燕山大学 | 一种基于多信息融合的路面附着系数估计方法及系统 |
| CN113361121A (zh) * | 2021-06-21 | 2021-09-07 | 吉林大学 | 一种基于时空同步与信息融合的路面附着系数估计方法 |
| CN113581186A (zh) * | 2021-08-26 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种车辆制动控制所需路面附着系数的确定方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于轮毂电机驱动的行驶车辆的路面附着系数估计;陈宗华;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》;20120915;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114264597A (zh) | 2022-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114264597B (zh) | 一种低成本的路面附着系数确定方法及系统 | |
| US10002537B2 (en) | Learning lanes from radar sensors | |
| US10262213B2 (en) | Learning lanes from vehicle probes | |
| CN101044386B (zh) | 轮胎磨损分析方法 | |
| JP4248330B2 (ja) | 部品使用履歴収集システム | |
| CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
| CN103270780A (zh) | 交通工具数据系统和方法 | |
| CN110852542B (zh) | 一种道路平整度的计算方法及系统 | |
| EP4004517A1 (en) | Evaluating the safety performance of vehicles | |
| CN114076631A (zh) | 超载车辆识别方法、系统及设备 | |
| Kirushnath et al. | Weigh-in-motion using machine learning and telematics | |
| LU100760B1 (en) | Vehicular motion assessment method | |
| CN114379559A (zh) | 一种基于车辆信息采集系统的驾驶风险评价特征画像方法 | |
| CN112017428B (zh) | 路侧车联网装置、高架桥路段识别方法及车载车联网装置 | |
| Brunauer et al. | Supporting road maintenance with in-vehicle data: Results from a field trial on road surface condition monitoring | |
| US20150161824A1 (en) | Indirect characterization of transportation networks and vehicle health | |
| JP2023020492A (ja) | タイヤダメージ蓄積量推定システム、演算モデル生成システムおよびタイヤダメージ蓄積量推定方法 | |
| CN117238139B (zh) | 一种基于气象数据的路况实时预警系统 | |
| CN114187752B (zh) | 危化品车辆在跨海桥梁运输中的预警系统及方法 | |
| US20230123958A1 (en) | Method of determining parameters of interaction between a vehicle and a road | |
| CN110095776B (zh) | 用于确定对象的存在和/或特性的方法和周围环境识别设备 | |
| 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 | |
| JP2008197819A (ja) | 識別装置及び識別方法 | |
| CN116358678A (zh) | 一种车辆重量检测方法及装置 | |
| Mizrachi et al. | Road surface characterization using crowdsourcing vehicles |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230905 Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee after: Dragon totem Technology (Hefei) Co.,Ltd. Address before: 224000 Room 401, building 1, No. 20, Xinyuan Road, Xinyi Community, Xinhe sub district office, Yannan high tech Zone, Yancheng City, Jiangsu Province Patentee before: YANCHENG INSTITUTE OF TECHNOLOGY Patentee before: Yancheng Institute of Technology Technology Transfer Center Co.,Ltd. Effective date of registration: 20230905 Address after: 230000 b-1018, Woye Garden commercial office building, 81 Ganquan Road, Shushan District, Hefei City, Anhui Province Patentee after: HEFEI WISDOM DRAGON MACHINERY DESIGN Co.,Ltd. Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province Patentee before: Dragon totem Technology (Hefei) Co.,Ltd. |