CN114730523A - 确定车辆在道路上的摩擦系数 - Google Patents

Abstract

用于处理车辆轮胎在路段上的摩擦数据的数据处理方法，该方法由处理系统（1）实施，该处理系统至少包括计算机（2）和与多个车辆（5）远程通信的接口（3），该方法包括：‑从多个车辆（5）获取（100）车辆（5）的轮胎在多个路段上的摩擦数据（6），每个摩擦数据（6）至少包括：‑该车辆（5）在该路段上可得到的最大摩擦系数，以及‑该路段的相关信息，‑针对每个路段建立（110）针对所述路段从该多个车辆（5）获得的摩擦数据的分布，以及‑基于针对每个路段获得的摩擦数据的分布之间的相似性度量确定（120）多个道路类型，每个道路类型包括一组路段。

Description

确定车辆在道路上的摩擦系数

技术领域

本发明涉及轮胎在道路上的摩擦的领域，并且更具体地涉及处理摩擦数据以向在道路上行驶的车辆提供最大摩擦系数。

背景技术

车辆轮胎的摩擦系数表示轮胎在地面上的接触面与地面本身之间产生的运动阻力。

摩擦系数会显著影响车辆的稳定性和操纵性。例如，当给定车辆的给定地面的摩擦系数较低时的所述车辆的制动距离将大于同一车辆在给定摩擦系数更高的另一种地面上的制动距离。在这种情况下，摩擦系数将代表轮胎和道路之间的阻力。

因此，知道摩擦系数在车辆控制中是有利的，特别是在自动驾驶汽车的情况下。实际上，该摩擦系数可用于例如车辆的安全系统，如ABS或ESP。考虑到这一点无疑能提高车辆的抓地性能，进而提高乘客的安全性。

在实践中，很难估计该系数，只有在需要大量动态激励的情况下才能准确地测量该系数，例如突然制动、剧烈加速或转弯。因此，在常规的行驶条件下，很难获得高质量的摩擦系数信息，更不用说摩擦系数会根据各种因素而变化，而且并非所有的汽车都配有测量摩擦的设备。

已经提出了大量车载方法来估计车辆中轮胎在道路上的摩擦可能值（potentielde frottement）。在这些方法中，基于可得到的（disponible）CAN总线数据的解决方案尤其恰当，因为其成本低且实施可行。然而，这些方法很难提供日常且常规的驾驶条件下的摩擦系数的可靠估计。还提出了使用附加传感器的解决方案。一些示例使用安装在轮胎附近或内部的麦克风或加速度计。然而，这些解决方案需要使用不属于标准车辆设备的传感器。此外，它们中的大多数都依赖于学习模型来将传感器测量的值（例如加速度计的加速度）更可靠地转换为摩擦系数值。相反，当传感器测量到模型学习条件未预期的值时，相应摩擦系数的估计值会出现偏差。一般来说，无论是否有学习模型，这些解决方案都代表了车辆所不期望的额外成本。

最近提出了基于处理大量车辆摩擦数据的方法。这些方法给路段分配摩擦系数，摩擦系数是一个路段上一组车辆收集的摩擦系数的平均值。因此，这些方法无法准确估计特定车辆的摩擦系数。

如上所述，摩擦系数是多因素的，尤其是它在很大程度上取决于使用道路的车辆，更具体地说，取决于其轮胎。车辆轮胎的磨损状态可能会显著降低摩擦系数的值。因此，需要以简单、持续且低成本、尤其是特定于每个车辆的方式来计算摩擦系数。

发明内容

因此，本发明的目的是至少部分地缓解上述问题。

特别地，本发明的一个目的是提出一种方法，其使得能够根据摩擦系数值来表征道路类型。

本发明的另一目的是使得能够确定车辆的摩擦系数，该摩擦系数特定于该车辆和该车辆所使用的道路类型。

为此，本发明的主题是用于处理车辆轮胎在路段上的摩擦数据的数据处理方法，该方法由处理系统实施，该处理系统至少包括计算机和与多个车辆远程通信的接口，该方法包括：

- 从多个车辆获取车辆轮胎在多个路段上的摩擦数据，每个摩擦数据至少包括：

- 该车辆在该路段上可得到的最大摩擦系数，以及

- 与该路段相关的信息，

- 为每个路段建立针对所述路段从该多个车辆获得的摩擦数据的分布，以及

- 基于针对每个路段获得的摩擦数据的分布之间的相似性度量确定多个道路类型，每个道路类型包括一组路段。

有利地，该数据处理方法包括接收获取摩擦数据时的天气条件相关数据，并且针对每个路段建立多个天气条件中的每一个的摩擦数据的分布。

有利地，该数据处理方法包括接收获取摩擦数据时的天气条件相关数据，并且针对每个路段建立多个天气条件中的每一个的摩擦数据的分布。

根据一个实施例，该数据处理方法还包括通过针对每个路段标识摩擦数据的至少一个值范围来表征每个路段，在所述值范围中，针对该路段获取的摩擦数据的相对出现密度高于确定的阈值，并且在针对路段标识的摩擦数据的值范围上实施摩擦数据的分布之间的相似性度量。

有利地，该数据处理方法包括：针对多个预定义的车辆类型中的每一个、分别针对每个道路类型确定车辆类型的局部摩擦行为，并且基于针对该多个道路类型中的每一个的该车辆类型的局部摩擦行为来针对预定义的车辆类型确定每个摩擦行为。

根据一个实施例，该数据处理方法还包括在存储器中存储每个确定的道路类型的标识，并且针对每个道路类型存储属于所述道路类型的一组路段的标识。

有利地，确定的车辆的摩擦行为也存储在存储器中。

本发明的主题还有摩擦系数估计方法，该方法由包括计算机、远程通信接口和存储器的系统来实施，其中存储器存储：

- 多个路段中的每一个的标识，

- 一组道路类型的定义，每个道路类型包括多个路段中的至少一个，以及

- 多个车辆摩擦行为的定义，其中，每个摩擦行为由与每个道路类型相关联的最大摩擦系数的值范围来定义，

该方法包括以下步骤：

- 从车辆接收车辆的至少一个当前定位信息和与车辆相关的至少一个附加信息，

- 基于从车辆接收的信息确定车辆所属的摩擦行为和车辆所处的道路类型，以及

- 向车辆发送针对该车辆的可得到的至少一个最大摩擦系数值，其是基于所确定的摩擦行为和道路类型确定的。

根据一个实施例，还针对所确定的天气条件定义每个摩擦行为，其中，从车辆接收的信息带有时间戳，并且该摩擦系数估计方法还包括确定与接收的所述信息相关联的天气条件，并且根据所述天气条件确定车辆所属的摩擦行为。

有利地，与车辆相关的附加信息包括可得到的至少一个最大摩擦系数值和相关联的车辆定位信息。

根据一个实施例，分别针对多个车辆类型中的每一个定义存储在存储器中的摩擦行为，并且与车辆相关的附加信息包括标识车辆类型的数据。

此外，本发明还涉及一种包括代码指令的计算机程序产品，所述代码指令当由计算机实施时用于实施数据处理方法和摩擦系数估计方法。

本发明还采取包括计算机、远程通信接口和存储器的处理系统的形式，其被适配成实施数据处理方法和摩擦系数估计方法。

因此，本发明提出了轮胎摩擦数据的处理方法，其目的在于创建各种车辆在各种道路类型上的特征摩擦行为。本发明还提出了使得能够利用这些行为来估计车辆在道路上的摩擦系数的方法。

于是，根据本发明的摩擦系数估计是持续的、更可靠的、成本更低的并且适用于每个车辆，即使该车辆不能测量其摩擦。本发明是基于一种创新方法，其使得能够显现车辆在道路上的摩擦行为这一概念。

附图说明

通过阅读下面的详细描述并分析附图，其他特征、细节和优点将变得显而易见，其中：

图1示出了根据一个实施例的摩擦数据处理方法。

图2示出了根据一个实施例的摩擦数据获取系统。

图3示出了根据第一实施例的一路段上的摩擦数据分布。

图4示出了根据第二实施例的一路段上的摩擦数据分布。

图5示出了用于确定多个道路类型的一个实施例。

图6示出了用于实施车辆的摩擦系数估计方法的系统。

图7示出了在图6的系统中实施的车辆的摩擦系数估计方法。

具体实施方式

现在参考图1和图2。它们分别示出了用于处理在多个路段上获取的多个车辆的摩擦数据的方法和用于获取多个路段上的摩擦数据并对其进行处理的系统。该处理首先使得能够根据车辆的摩擦数据确定道路类型。

该方法由包括计算机2、存储器4和用于与多个车辆5远程通信的接口3的处理系统1实施。计算机2例如可以是处理器、微处理器或微控制器。存储器4包括由计算机2执行的代码指令。远程通信接口3经由诸如WIFI、3G、4G、LTE、蓝牙等的电信网络进行通信。多个车辆5因此能够与处理系统1的远程通信接口3通信。此外，多个车辆5还能够测量其轮胎的动态行为，例如借助于使用直接容纳在轮胎中和/或轮胎上的附加传感器。

因此，由计算机2实施的方法的步骤100包括获取车辆5的轮胎在多个路段上的摩擦数据6。每个摩擦数据6至少包括该车辆在该路段上可得到的最大摩擦系数、与该路段相关的信息以及发送这些数据的车辆5的信息。可得到的最大摩擦系数对应于车辆5在所涉及的路段上测得的最高摩擦系数值。有利地，在摩擦数据中，将最佳滑动值与每个最大摩擦系数相关联。

车辆信息包括车辆5的至少一个唯一标识符，使得处理系统1能够在多个车辆5中找到它。例如，车辆的唯一标识符可以是其VIN（车辆标识码）。

关于与路段相关的信息，它可以包括例如该路段的GPS位置。该GPS位置可以是带有时间戳的GPS位置。

因此，当车辆5在路段上行驶并进行测量时，每个摩擦数据6被车辆5传输到处理系统1的通信接口3。

一旦处理系统收集到了摩擦数据6，步骤110就包括由计算机2针对每个路段建立针对所涉及的路段从多个车辆5获得的摩擦数据6的分布。

因此，根据一个实施例，摩擦数据6仅包括最大摩擦系数，并且每个路段由在其上行驶的车辆5测得的最大摩擦系数的分布来表示，针对每个路段的摩擦系数的分布有利地包括对应于每个最大摩擦系数值的出现次数。图3示出了仅包括一路段上的最大摩擦系数的摩擦数据的分布示例。实际上，在该图中，轴f对应于最大摩擦系数的值，并且轴d对应于其在路段r上的出现次数。

作为变型，当最大摩擦系数与最佳滑动相关联时，在最大摩擦系数、最佳滑动的空间中实现摩擦数据的分布，即对应于车辆在给定路段上的每个数对（最大摩擦系数，最佳滑动）由该空间中的一个点表示。图4示出了根据该实施例的摩擦数据的分布示例。轴f仍然对应于最大摩擦系数的值，而轴s对应于其在路段r上的相关联的最佳滑动。

有利地，将每个摩擦数据6与多个天气条件中的一个天气条件相关联。换言之，当处理系统1接收到摩擦数据6时，它将测量摩擦数据6的时间和地点的天气条件与之相关联。例如，如果系统1接收到包括带有时间戳的GPS位置的摩擦数据6，则它能够给这个摩擦数据6分配一个天气条件，因为它知道测量的时间和地点。因此，系统1可以例如查询天气数据库，使其能够获得对应于车辆获取摩擦数据的时间和地点的天气条件。根据另一实施例，天气条件与摩擦数据6一起从车辆5接收，然后由处理系统1分配给摩擦数据6。例如，多个天气条件包括以下条件：干燥、潮湿、非常潮湿、结冰、下雪。

因此，在包括天气条件的一个实施例中，计算机2为每个路段生成对应于相应天气条件的多个摩擦数据分布，每个摩擦数据分布仅包括针对同一个天气条件获取的摩擦数据6。该实施例的一个示例在图3中示出，其中示出了多个摩擦数据分布，每个分布是针对不同的天气条件定义的，天气条件由轴w表示。

步骤120包括基于每个路段的分布确定多个道路类型，每个道路类型包括一组路段。为此，计算机2度量每个路段的分布之间的相似性，并且将具有相似分布的那些路段聚集在一起以形成一个道路类型。

根据该步骤的第一实施例，在车辆5的摩擦数据6包括该车辆可得到的最大摩擦系数但没有相关联的最佳滑动值的情况下，例如基于每个分布的平均值和标准差来实施路段的分布之间的相似性度量。描述分布的其他参数（如偏斜度、峰度）和更复杂的方法（如科莫戈洛夫-斯米尔诺夫检验）也可用于度量分布之间的相似性。

参考图5，根据另一有利实施例，在步骤100中接收的摩擦数据包括该车辆在该路段上可得到的最大摩擦系数和相关联的最佳滑动值（轴f和s）的情况下，步骤120被分解为两个步骤121和122。

步骤121包括通过标识摩擦数据6（即，最大摩擦系数、最佳滑动）的至少一个值范围来表征每个路段（r1、r2和r3）的每个分布，针对所述值范围，摩擦数据6的相对出现密度高于确定的阈值。该步骤可以通过基于摩擦数据空间的密度网格的聚集算法来实施，例如，如图5所示。这种算法根据一组路段所共有的网格划分摩擦数据空间，然后针对每个路段选择摩擦数据出现密度高于阈值的网格格子。在图5中，以黑色示出的网格格子是摩擦数据6的出现高于设定阈值的网格格子。每个路段的每个分布由该网格的一组选定格子（或摩擦数据值范围）形成。

步骤122然后包括通过基于存在于针对每个路段选择的一组摩擦数据值范围之间的相似性将路段聚集在一起来确定多个道路类型。为此，每个路段都以图形的形式表示，其中图形的每个节点表示前一步的网格中的一个格子。路段分布之间的相似性可以通过用于计算图形之间的相似性的算法来计算，例如图形相似性评分和匹配（Laura A. Zager、George C. Verghese）或用于图形相似性和匹配的快速并行算法（Georgios Kollias、Madan Sathe、Olaf Schenk、Ananth Grama）。

在考虑天气条件（轴w）的情况下，每个路段包括针对多个天气条件定义的多个摩擦数据分布，但方法保持不变。然后，基于每个路段的一组数据分布来建立由计算机2进行的相似性度量。

在上面的描述中，该摩擦数据处理方法使得能够获得多个道路类型，每个道路类型将多个路段聚集在一起。下面描述的处理方法的第二部分使得能够针对该多个道路类型定义一组车辆的摩擦行为。

在下文中，摩擦行为（comportement frictionnel）被定义为分别与多个道路类型中的每一个道路类型相关联的最大摩擦系数的一组值范围，于是，制定摩擦行为，使得每个车辆对应于至少一个摩擦行为，这使得能够推导出车辆在给定道路类型上的最大摩擦系数值。

因此，该方法的步骤130包括针对多个道路类型定义一组车辆摩擦行为，并且以两个不同的实施例来呈现。

在第一实施例中，通过标识在多个道路类型中的每个道路类型上具有相似的最大摩擦系数值的多组车辆5来定义摩擦行为。

针对一组车辆5与一个道路类型相关联的最大摩擦系数的值范围的边界是基于该组中的车辆针对该道路类型的最大摩擦系数的值确定的，例如，所述边界可以对应于该组车辆内的这些系数的极值。

针对一组车辆5与多个道路类型中的每一个道路类型相关联的最大摩擦系数的值范围的集合表示该组车辆5的摩擦行为。

针对每个道路类型，当摩擦数据6与多个天气条件相关联时，针对一组车辆5存在多个最大摩擦系数范围，每个范围对应于一个天气条件。因此，在一组车辆5的摩擦行为中，每个最大摩擦系数范围也是针对一个天气条件定义的。

在第二实施例中，车辆的摩擦行为基于预定义的车辆类型来确定。预定义的车辆类型包括以下元素中的至少一个以及它们之间的所有可能的元素组合：车辆品牌、车辆型号、车辆产品系列（例如，SUV、小汽车、4x4等）、车辆投入使用的年份、车辆的空载重量、车辆的满载重量、起步时的重量、前后轮胎的龄期、轮胎宽度、轮胎类型（夏季轮胎、冬季轮胎等）。优选采用以下元素来建立车辆类型：车辆型号、起步时的车辆重量、轮胎龄期、轮胎宽度和轮胎类型。

在该实施例中，每个车辆5发送车辆信息，使得处理系统能够将所述车辆5与预定义的车辆类型相关联。

车辆5的信息可以包括上面列出的预定义类型的元素。它们还可以包括车辆的唯一标识符，例如VIN。当车辆5没有将车辆5的预定义类型的元素发送到处理系统1时，车辆5的唯一标识符可以使处理系统1能够通过例如查询数据库找到车辆5的预定义类型的元素。根据车辆类型定义，车辆5因此可以属于多个预定义的车辆类型，并且对应于多个摩擦行为。

这样，针对多个道路类型中的每个道路类型，计算机2标识预定义车辆类型的局部摩擦行为。局部（local）摩擦行为被定义为属于预定义车辆类型的车辆5在多个道路类型中的一个道路类型上的最大摩擦系数的值范围。根据一个非限制性示例，针对一个道路类型的摩擦行为的最大摩擦系数的值范围的边界可以是预定义类型的车辆5在所涉及的道路类型上的最大摩擦系数的极值。在多个道路类型上与一个预定义车辆类型相关联的局部摩擦行为的集合于是形成了该预定义车辆类型的摩擦行为。

此外，当摩擦数据6与天气条件相关联时，针对每个道路类型针对一个预定义的车辆类型存在多个最大摩擦系数范围。因此，在一个预定义车辆类型的摩擦行为中，每个最大摩擦系数范围也按照一个天气条件来定义。

因此，在第二部分中，该数据处理方法建立了车辆在多个道路类型上的一组摩擦行为。然后，该方法的第三部分（也是最后一部分）使得能够将这组摩擦行为与该多个道路类型关联地存储在存储器中。

在步骤140中，计算机2在存储器中存储多个道路类型中的每个道路类型的标识，并且针对每个道路类型，存储属于所述道路类型的一组路段的标识。这样，可以基于路段标识符找到它所属的道路类型。因此，每个道路类型都与其在存储器中包含的路段相关联。所涉及的存储器可以是包含代码指令的存储器4或另一存储器。

接下来，步骤150包括在存储器中将先前定义的车辆摩擦行为与已经存在于所述存储器中的路段和道路类型相关联。下面呈现步骤150的两种实施方式，分别是当已经基于各组车辆定义了车辆摩擦行为时或者当已经基于预定义的车辆类型定义了车辆摩擦行为时。

根据第一实施例，计算机2在存储器中存储针对每组车辆建立的摩擦行为，于是计算机2将摩擦行为的最大摩擦系数的每个值范围与对应于该系数范围的道路类型的标识符相关联。

因此，可以基于车辆5的至少一个摩擦值和测量该值的路段的定位信息找到车辆5在多个道路类型上的摩擦行为。

根据第二实施例，计算机2在存储器中存储针对每个预定义的车辆类型建立的每个摩擦行为，于是计算机2将最大摩擦系数的每个值范围与对应于该系数范围的道路类型的标识符和预定义的车辆类型的标识符相关联。

因此，可以基于车辆5的预定义类型的标识符找到车辆5在多个道路类型上的摩擦行为。

在针对多个天气条件定义了最大摩擦系数的值范围的实施例中，针对每个值范围，天气条件的标识也存储在存储器中。

本发明还提出了一种摩擦系数估计方法。参考图6和图7描述该方法，图6示出了在其中实施该方法的系统10，并且图7示出了组成该方法的步骤。

参考图6，系统10包括计算机20、远程通信接口30和存储器40，该系统被配置为向车辆50发送至少一个摩擦系数值80。为此，系统10的存储器40包括多个路段中的每一个的标识和一组道路类型的定义。每个道路类型包括多个路段中的至少一个。存储器还存储多个车辆摩擦行为，每个车辆摩擦行为由与每个道路类型相关联的最大摩擦系数的范围来定义。

有利地，车辆摩擦行为还可以针对确定的天气条件和/或预定义的车辆类型来定义。预定义的车辆类型和天气条件包括与前面在摩擦数据处理方法的描述中介绍的相同的元素。此外，系统10可以是与实施上述数据处理方法的系统相同的系统，或者是另一系统。因此，计算机20例如可以是处理器、微处理器或微控制器。远程通信接口3例如经由诸如WIFI、3G、4G、LTE、蓝牙等的电信网络进行通信。

因此，参考图7，估计方法的步骤200包括通过系统10的通信接口30接收车辆50的至少一个当前定位信息70和与车辆50相关的至少一个附加信息60。

有利地，当前定位信息70包括GPS位置。GPS位置可以带有时间戳。此外，如果车辆能够确定天气条件，则当前定位信息70还可以包括道路的天气条件。

在第一实施例中，附加信息60可以包括与定位信息相关联的可得到的最大摩擦系数值。

在第二实施例中，附加信息60包括使得能够标识多个预定义的车辆类型中的至少一个预定义的车辆类型的信息。附加信息60可以包括车辆标识数据，例如其VIN。作为变型，附加信息可以包括与车辆相关的以下信息中的一个或多个：车辆品牌、车辆型号、产品系列（例如，SUV、小汽车、4x4等）、车辆投入使用的年份、车辆的空载重量、车辆的满载重量、起步时的重量、前后轮胎的龄期、轮胎宽度、轮胎类型（夏季轮胎、冬季轮胎等）。

系统10随后在接下来的方法中使用这些信息60和70来确定车辆50的摩擦行为和对应于每个当前定位信息70的道路类型。

实际上，在步骤210中，计算机20基于从车辆50接收的每个当前定位信息70来确定与车辆的所述当前定位信息70相对应的路段，并标识其所属的道路类型。

例如，在当前定位信息70包括GPS位置的情况下，系统10能够借助于包含在存储器40中的路段标识符来确定GPS位置指的是哪个路段。然后，由于每个道路类型标识符与它包括在存储器40中的路段标识符相关联，因此系统10能够标识包括所确定的路段的道路类型。

在一个有利实施例中，当GPS位置带有时间戳时，系统10还能够通过查询天气数据库来找到对应于当前定位信息70的道路类型的天气条件。

然后，在步骤220中，计算机20基于附加信息60确定车辆50的摩擦行为。

根据第一实施例，车辆50能够获取其轮胎的动态行为，并且车辆50发送到通信接口30的附加信息60包括车辆50可得到的最大摩擦系数的值和测量它的GPS位置。系统10能够找到测量该值的道路类型，并因此标识它在所涉及的道路类型上属于的最大摩擦系数的值范围。所涉及的道路类型上的最大摩擦系数的值范围属于摩擦行为，系统因此能够确定该摩擦行为。

根据第二实施例，车辆50通过通信接口30向系统10发送包括车辆的唯一标识符的附加信息60，例如车辆50的VIN。系统10使用车辆50的VIN来使系统10能够将车辆50标识为多个预定义车辆类型中的一个预定义车辆类型。实际上，系统10能够基于VIN找到预定义的车辆类型元素，从而确定车辆50的预定义车辆类型。有利地，由系统10关联至车辆50的预定义车辆类型组合了从VIN提取的所有预定义车辆类型元素。

根据第二实施例的第一变型，车辆50向通信接口30发送包括其所属的预定义车辆类型的元素的附加信息60。在这种情况下，系统10基于这些元素来确定车辆50的预定义类型。

在第二变型中，附加信息60包括车辆50的标识符和车辆50的预定义类型元素。在这种情况下，系统10从车辆50的标识符提取预定义类型元素，并将它们添加到车辆发送的其他元素，以便确定其预定义类型。

因此，在第二实施例中，系统10确定与它已经确定的预定义车辆类型相对应的车辆50的摩擦行为。

如果在虑及了确定的天气条件的摩擦系数值的情况下建立了摩擦行为，则针对车辆获得的天气条件信息也用于标识车辆的摩擦行为。

最后，在步骤220中，系统10向车辆50发回至少一个摩擦系数值80，其对应于与车辆50相关联的针对与当前定位信息70相对应的道路类型的摩擦行为的值范围中的最大摩擦系数值。在标识了对应于当前定位信息70的道路类型并且确定了车辆50的摩擦行为之后，系统10向车辆50发回针对所标识的道路类型确定的车辆50的摩擦行为的最大摩擦系数的值范围中的值。例如，该值可以是该范围中的值的平均值。

当系统10可以访问当前定位信息70的道路类型的天气条件时，它向车辆50发回在该标识的道路类型上针对该相同天气条件而定义的车辆50的摩擦行为的最大摩擦系数的值范围中的值。

当车辆50发送多个当前定位信息70时，该方法以相同的方式工作。在这种情况下，如果它发送对应于它未来将经过的路段的定位信息70，则系统10能够估计车辆50的未来摩擦系数。

因此，该解决方案持续、准确地提供虑及了每个车辆所特有的特异性的道路摩擦条件的估计。在可得到天气条件时，它还会虑及各种天气条件。以这种方式，所提出的方法能够适应于影响所有车辆的变化（天气和道路）以及它们中的每一个的相应摩擦行为，而无需添加额外的传感器。

Claims (13)

1.用于处理车辆轮胎在路段上的摩擦数据的数据处理方法，该方法由处理系统（1）实施，该处理系统至少包括计算机（2）和与多个车辆（5）远程通信的接口（3），该方法包括：

- 从多个车辆（5）获取（100）车辆（5）的轮胎在多个路段上的摩擦数据（6），每个摩擦数据（6）至少包括：

- 该车辆（5）在该路段上可得到的最大摩擦系数，

- 该路段的相关信息，以及

- 与所述车辆（5）相关的信息，

- 针对每个路段建立（110）针对所述路段从该多个车辆（5）获得的摩擦数据的分布，以及

- 基于针对每个路段获得的摩擦数据的分布之间的相似性度量确定（120）多个道路类型，每个道路类型包括一组路段，

- 基于所确定的道路类型和从该多个车辆（5）获取的摩擦数据（6）来确定（130）车辆的多个摩擦行为，每个摩擦行为由与每个道路类型相关联的最大摩擦系数的值范围来定义。

2.根据权利要求1所述的数据处理方法，还包括接收获取摩擦数据（6）时的天气条件相关数据，

并且该方法包括针对每个路段建立多个天气条件中的每一个的摩擦数据的分布。

3.根据前述权利要求中的任一项所述的数据处理方法，其中，摩擦数据（6）还包括与最大摩擦系数相关联的最佳滑动值。

4.根据前述权利要求中的任一项所述的数据处理方法，还包括通过针对每个路段标识摩擦数据（6）的至少一个值范围来表征每个路段，在所述值范围中，针对该路段获取的摩擦数据的相对出现密度高于确定的阈值，并且在针对路段标识的摩擦数据的值范围上实施摩擦数据的分布之间的相似性度量。

5.根据前述权利要求中的任一项所述的数据处理方法，还包括针对多个预定义的车辆类型中的每一个：

分别针对每个道路类型确定车辆类型的局部摩擦行为，并且基于针对该多个道路类型中的每一个的该车辆类型的局部摩擦行为来针对预定义的车辆类型确定每个摩擦行为。

6.根据前述权利要求中的任一项所述的数据处理方法，还包括在存储器中存储（140）每个确定的道路类型的标识，并且针对每个道路类型存储属于所述道路类型的一组路段的标识。

7.根据结合了权利要求5的权利要求6所述的数据处理方法，还包括在存储器中存储（150）所确定的车辆的摩擦行为。

8.摩擦系数估计方法，该方法由包括计算机（20）、远程通信接口（30）和存储器（40）的系统（10）来实施，其中存储器存储：

- 多个路段中的每一个的标识，

- 一组道路类型的定义，每个道路类型包括多个路段中的至少一个，以及

- 多个车辆摩擦行为的定义，其中，每个摩擦行为由与每个道路类型相关联的最大摩擦系数的值范围来定义，

该方法包括以下步骤：

- 从车辆（50）接收（200）车辆（50）的至少一个当前定位信息（70）和与车辆（50）相关的至少一个附加信息（60），

- 基于从车辆接收的信息（60、70）确定（210）车辆（50）所属的摩擦行为和车辆（50）所处的道路类型，以及

- 向车辆（50）发送（220）针对该车辆（50）的可得到的至少一个最大摩擦系数值（80），其是基于所确定的摩擦行为和道路类型确定的。

9.根据权利要求8所述的方法，其中，还针对所确定的天气条件定义每个摩擦行为，

其中，从车辆（50）接收的信息（60、70）带有时间戳，并且该方法还包括确定与接收的所述信息（60、70）相关联的天气条件，并且根据所述天气条件确定车辆（50）所属的摩擦行为。

10.根据权利要求8或9所述的方法，其中，与车辆（50）相关的附加信息（60）包括可得到的至少一个最大摩擦系数值和相关联的车辆定位信息。

11.根据权利要求8或9所述的方法，其中，分别针对多个车辆类型中的每一个定义存储在存储器中的摩擦行为，并且与车辆（50）相关的附加信息（60）包括标识车辆类型的数据。

12.包括代码指令的计算机程序产品，所述代码指令当由计算机实施时用于实施根据权利要求1至7或者8至11中的任一项所述的方法。

13.处理系统，其包括计算机、远程通信接口和存储器，其被适配成实施根据权利要求1至7或者8至11中的任一项所述的方法。

Images