DE102017201302A1

DE102017201302A1 - Verfahren zum bestimmen von strassenoberflächen basierend auf fahrzeugdaten

Info

Publication number: DE102017201302A1
Application number: DE102017201302.8A
Authority: DE
Inventors: Si Jun Kim; Hai Jin Seo
Original assignee: Hyundai Motor Co
Current assignee: Hyundai Motor Co
Priority date: 2016-10-04
Filing date: 2017-01-27
Publication date: 2018-04-05
Anticipated expiration: 2037-01-28
Also published as: KR20180037468A; CN107901912A; DE102017201302B4; KR101876063B1; CN107901912B; US20180095462A1

Abstract

Es wird ein Verfahren zum Bestimmen einer Straßenoberfläche, basierend auf Fahrzeugdaten, durch eine Steuerung bereitgestellt, umfassend folgende Schritte: Klassifizieren von Fahrzuständen eines Fahrzeugs in eine Vielzahl von Fällen; Anwenden einer Lernlogik auf jeden der klassifizierten Fälle gemäß den Merkmalen der Fälle, und Konstruieren eines Beeinflussungsmodels für jeden Fall; und Bestimmen, ob eine Straßenoberfläche, auf der das Fahrzeug fährt, eine Straßenoberfläche mit hoher Reibung oder eine Straßenoberfläche mit geringer Reibung ist, basierend auf dem Beeinflussungsmodel für jeden Fall.

Description

TECHNISCHES GEBIET
Die vorliegende Offenbarung betrifft ein Verfahren zum Bestimmen einer Straßenoberfläche auf der Basis von Fahrzeugdaten.
HINTERGRUND
Um die Sicherheit der Fahrer zu gewährleisten, wurden Fahrzeuge mit verschiedenen anwenderfreundlichen Systemen ausgestattet, wie beispielsweise einem Antiblockiersystem (ABS), einem elektronischen Stabilitätskontrollsystem (ESC), einem Smart Cruise Control (SCC) und einem Fahrerassistenzsystem (ADAS).
Für eine optimale Leistung können diese benutzerfreundlichen Systeme Bewegungen von Fahrzeugen unter Berücksichtigung von Straßenoberflächenbedingungen steuern. Hier beziehen sich die Straßenoberflächenbedingungen auf eine Straßenoberfläche mit hoher Reibung, wie eine trockene Asphaltstraße und eine trockene Zementstraße, und auf eine Straßenoberfläche mit geringer Reibung, wie eine verregnete Straße, eine schneebedeckte Straße und eine unbefestigte Straße.
Herkömmlicherweise gibt es ein Verfahren zum Bestimmen, ob eine Straßenoberfläche eine Straße mit hoher Reibung oder eine Straße mit geringer Reibung ist, basierend auf kinetischen Daten, wie Radgeschwindigkeit, Motordrehmoment und Fahrzeuggeschwindigkeit, und ein Verfahren zum Bestimmen, ob eine Straßenoberfläche eine Straßenoberfläche mit hoher Reibung oder eine Straßenoberfläche mit geringer Reibung ist, auf der Grundlage von Daten von verschiedenen Sensoren, wie beispielsweise einem Straßenoberflächen-Ultraschallrichtsensor und einem Mikrofon.
Zuerst bestimmt das Verfahren zum Bestimmen einer Straßenoberfläche auf der Basis von kinetischen Daten, ob die Straßenoberfläche eine Straße mit hoher Reibung oder eine Straße mit geringer Reibung auf der Grundlage eines Fahrzeugschlupf-Phänomens ist. Wenn das Fahrzeug auf einer Straße mit einem spezifischen Muster fährt, in dem es keine schnelle Beschleunigung oder Verzögerung gibt, wäre es schwierig zu bestimmen, ob die Straßenoberfläche, auf der das Fahrzeug fährt, eine Straße mit hoher Reibung oder eine Straße mit geringer Reibung ist.
Zweitens erfordert das Verfahren zum Bestimmen einer Straßenoberfläche auf der Basis von Daten von einem Straßenoberflächenricht-Ultraschallsensor die zusätzliche Installation des Sensors, was zu einer Erhöhung der Fahrzeugproduktionskosten führt.
ZUSAMMENFASSUNG
Die vorliegende Offenbarung betrifft ein Verfahren zum Bestimmunen einer Straßenoberfläche auf der Grundlage von Fahrzeugdaten und insbesondere Ausführungsformen einer Technologie zum Bestimmen, ob eine Straßenoberfläche, auf der ein Fahrzeug fährt, eine Straße mit hoher Reibung oder eine niedrige Reibung ist, basierend auf Fahrzeugdaten, die von einem fahrzeuginternen Netzwerk erhalten werden.
Ein fahrzeuginternes Netzwerk gemäß beispielhaften Ausführungsformen der vorliegenden Offenbarung umfasst Controller Area Network (CAN), Local Interconnect Network (LIN), FlexRay und Media Oriented Systems Transport (MOST).
Ein Aspekt der vorliegenden Offenbarung schafft ein Verfahren zum Bestimmen einer Straßenoberfläche auf der Basis von Fahrzeugdaten durch Klassifizieren von Fahrzuständen eines Fahrzeugs in vorbestimmte Fälle, Anwenden einer Lernlogik auf jeden Fall entsprechend den Charakteristiken der Fälle, um ein Beeinflussungsmodell für jeden Fall zu konstruieren, und Bestimmen, ob eine Straßenoberfläche, auf der das Fahrzeug fährt, eine Straße mit hoher Reibung oder eine Straße mit geringer Reibung ist, basierend auf dem Beeinflussungsmodell für jeden Fall, wodurch die Straßenoberflächenbedingungen schnell und genau unabhängig der Straßenarten bestimmt werden.
Das erfindungsgemäße Konzept wird anhand von Ausführungsbeispielen der vorliegenden Offenbarung deutlicher verständlich. Darüber hinaus ist es offensichtlich, dass die Vorteile der vorliegenden Offenbarung durch Elemente und Merkmale, die in den Ansprüchen beansprucht werden, und eine Kombination davon erreicht werden können.
Gemäß einem Aspekt der vorliegenden Offenbarung umfasst ein Verfahren zum Bestimmen einer Straßenoberfläche auf der Grundlage von Fahrzeugdaten durch einen Controller: Klassifizieren von Fahrzuständen eines Fahrzeugs in eine Vielzahl von Fällen; Anwenden einer Lernlogik auf jeden der klassifizierten Fälle gemäß den Merkmalen der Fälle, und Konstruieren eines Beeinflussungsmodells für jeden Fall; und Bestimmen, ob eine Straßenoberfläche, auf der das Fahrzeug fährt, eine Straße mit hoher Reibung oder eine Straße mit geringer Reibung ist, basierend auf dem Beeinflussungsmodell für jeden Fall.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Die obigen und weitere Ziele, Merkmale und Vorteile der vorliegenden Offenbarung werden aus der folgenden detaillierten Beschreibung in Verbindung mit den beigefügten Zeichnungen deutlicher:
1 veranschaulicht ein Blockschaltbild eines Prozesses zum Konstruieren eines Beeinflussungsmodells auf der Grundlage einer Beziehung zwischen einer Bedienerbetätigung eines Fahrzeugs und einer daraus resultierenden Bewegung des Fahrzeugs;
2 veranschaulicht ein Blockdiagramm der Konfiguration einer Eingabeeinheit und einer Vorverarbeitungseinheit gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung;
3 veranschaulicht ein Blockschaltbild der Konfiguration eines Zeitfensterpuffers gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung;
4 veranschaulicht ein Blockdiagramm eines Prozesses zur Ermittlung einer Straßenoberfläche auf Basis eines Beeinflussungsmodells für jeden Fall gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung;
5 veranschaulicht ein Blockdiagramm der Funktion einer Logikoperationseinheit gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung; und
6 veranschaulicht ein Flussdiagramm eines Verfahrens zum Bestimmen einer Straßenoberfläche basierend auf Fahrzeugdaten gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung.
Es versteht sich, dass die beigefügten Zeichnungen nicht notwendigerweise maßstabsgetreu sind und eine etwas vereinfachte Darstellung verschiedener Merkmale zeigen, die die Grundprinzipien der Erfindung veranschaulichen. Die spezifischen Gestaltungsmerkmale der vorliegenden Erfindung, wie sie hierin offenbart werden, einschließlich beispielsweise spezifischer Abmessungen, Ausrichtungen, Positionen und Formen, werden teilweise durch die spezielle beabsichtigte Anwendungs- und Nutzungsumgebung bestimmt.
In den Figuren beziehen sich die Bezugszeichen auf gleiche oder äquivalente Teile der vorliegenden Erfindung in den verschiedenen Figuren der Zeichnung.
DETAILLIERTE BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
Die obigen und weitere Ziele, Merkmale und Vorteile der vorliegenden Offenbarung werden aus der folgenden detaillierten Beschreibung in Verbindung mit den begleitenden Zeichnungen besser verständlich, so dass der Fachmann, auf den sich die vorliegende Offenbarung bezieht, die hierin beschrieben technischen Ideen auf einfach Weise ausführen kann. Zusätzlich wird eine detaillierte Beschreibung von wohlbekannten Techniken, die mit der vorliegenden Offenbarung verbunden sind, ausgeschlossen, um das Wesentliche der vorliegenden Offenbarung nicht unnötig zu verdunkeln. Nachfolgend werden beispielhafte Ausführungsformen der vorliegenden Offenbarung detailliert mit Bezug auf die begleitenden Zeichnungen beschrieben.
1 veranschaulicht ein Blockdiagramm eines Prozesses zum Konstruieren eines Beeinflussungsmodells auf der Grundlage einer Beziehung zwischen einer Bedienerbetätigung eines Fahrzeugs und einer daraus resultierenden Bewegung des Fahrzeugs und bezieht sich auch auf einen Funktionsblock eines Steuergerätes (Prozessors), der den Prozess ausführt.
Wie in 1 gezeigt ist, umfasst die Steuereinrichtung zum Konstruieren eines Beeinflussungsmodells gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung eine Eingabeeinheit 10, eine Vorverarbeitungseinheit 20, eine Fahrzustandsbestimmungseinheit 30 und eine Beeinflussungsmodell-Konstruktionseinheit 40.
In Bezug auf jedes der vorgenannten Elemente kann die Eingabeeinheit 10 zuerst Daten empfangen (nachfolgend auch als ”Operationsdaten des Bedieners” bezeichnet), die durch die Bedienung des Fahrzeugs durch den Bediener erzeugt werden, und Daten (nachstehend auch bezeichnet Als die ”Fahrzeugbewegungsdaten”), die sich auf die Bewegung des Fahrzeugs beziehen, die aus der Bedienung des Fahrers resultiert. Hier bezieht sich der Betrieb des Bedieners sowohl auf einen seitlichen Betrieb des Fahrzeugs als auch auf einen Längsbetrieb desselben und umfasst die Lenkung, Beschleunigung und Verzögerung des Fahrzeugs. Darüber hinaus umfasst die Bewegung des Fahrzeugs eine seitliche Bewegung und eine Längsbewegung.
Wie in 2 gezeigt ist, umfasst die Eingabeeinheit 10 einen Aktor 11, der die Operationsdaten des Bedieners erfasst, und einen Sensor 12, der die Fahrzeugbewegungsdaten erfasst.
Beispielsweise umfassen die Operationsdaten des Bedieners einen Lenkwinkel, eine Längsbeschleunigung und eine Verzögerung (Bremse), und die Fahrzeugbewegungsdaten umfassen Daten des Längsbeschleunigungssensors (LAS), Daten des Radgeschwindigkeitssensors (WSS), eines Beschleunigungspedalstellungssensors APS), Daten des Lenkradwinkelsensors (SAS), Daten des Gierratensensors (YRS) und Geschwindigkeitsdaten.
Zusätzlich enthält die Eingabeeinheit 10 ferner eine Benutzereingabeeinrichtung (HMI-EINGANG), um verschiedene Informationen oder Befehle von einem Benutzer zu empfangen.
Die Vorverarbeitungseinheit 20 kann einen Zeitfensterpuffer mit einer vorbestimmten Größe anwenden, wie in 3 dargestellt, auf die von dem Aktor 11 ausgegebenen Operationsdaten (Rohdaten) und den vom Sensor 12 ausgegebenen Fahrzeugbewegungsdaten (Rohdaten), um die Komponenten der jeweiligen Fenster zu extrahieren und die Datenkennwerte in einem vorgegebenen Zeitintervall zu berechnen. Die berechneten Datenwerte können zum Lernen herangezogen werden.
Hierbei umfassen die Datenkennwerte einen Mittelwert, einen Medianwert, eine Standardabweichung, einen Differenzwert, einen Integralwert, einen Korrelationswert, einen FFT-Wert (Fast Fourier Transformation) und einen Frequenzumwandlungswert. Beispielsweise kann die Vorverarbeitungseinheit 20 die Varianz einer Differenz zwischen einer Vorderradgeschwindigkeit und einer Hinterradgeschwindigkeit, einer Radbeschleunigung, der Varianz der Radbeschleunigung und dem Radgeschwindigkeitsdurchmesser auf der Basis des Zeitfensters berechnen.
Die Vorverarbeitungseinheit 20 enthält einen ersten Vorprozessor 21, der die Datencharakteristikwerte durch Anwenden des Zeitfensterpuffers einer vorbestimmten Größe auf die Operationsdaten des Bedieners berechnet, und einen zweiten Vorprozessor 22, der die Datencharakteristikwerte durch Anwenden des Zeitfensterpuffers einer vorbestimmten Größe auf den Fahrzeugbewegungsdaten berechnet.
In der Zwischenzeit kann die Vorverarbeitungseinheit 20 die folgenden Funktionen ausführen:

1) Es kann eine Standardabweichung LAS_Std von 50 LAS-Daten (Werten) berechnet werden.
2) Eine Standardabweichung FR_Diff_Std kann mit Bezug auf 50 Werte berechnet werden, die durch Subtrahieren der Durchschnittsgeschwindigkeit der Hinterräder von der Durchschnittsgeschwindigkeit der Vorderräder erhalten werden. Mit anderen Worten, nach der Berechnung der Subtraktion kann die Durchschnittsgeschwindigkeit der Hinterräder von der Durchschnittsgeschwindigkeit der Vorderräder 50 mal durchgeführt werden, und die Standardabweichung von 50 Ergebniswerten kann berechnet werden. Hier umfassen die Vorderräder ein vorderes linkes Rad und ein vorderes rechtes Rad, und die Hinterräder umfassen ein hinteres linkes Rad und ein hinteres rechtes Rad.
3) Eine Standardabweichung LR_Diff_Std kann mit Bezug auf 50 Werte berechnet werden, die durch Subtrahieren der Durchschnittsgeschwindigkeit der linken Räder von der Durchschnittsgeschwindigkeit der rechten Räder erhalten werden. Hier umfassen die rechten Räder ein vorderes rechtes Rad und ein hinteres rechtes Rad, und die linken Räder umfassen ein vorderes linkes Rad und ein hinteres linkes Rad.
4) Es kann ein Durchschnittswert APS_Avg von 50 APS-Daten (Werten) berechnet werden.
5) Die Summe APS_Diff von 50 Differenzwerten von APS-Daten (50 Ergebniswerte, erhalten durch Subtrahieren eines vorherigen APS-Werts von einem aktuellen APS-Wert) können berechnet werden.
6) Die Summe SAS_Diff von 50 Differenzwerten von SAS-Daten (50 Ergebniswerte, die durch Subtrahieren eines vorherigen SAS-Werts von einem aktuellen SAS-Wert erhalten werden) kann berechnet werden.
7) Es kann ein Durchschnittswert SAS_Avg von 50 SAS-Daten (Werten) berechnet werden. Die Fahrzustandsbestimmungseinheit 30 kann die Fahrzustände des Fahrzeugs auf der Grundlage der Fahrzeugbewegungsdaten bestimmen. Mit anderen Worten, es kann bestimmt werden, ob ein aktueller Fahrzustand des Fahrzeugs ein normales Fahren, ein Beschleunigungsantrieb oder ein Verzögerungsfahren ist, basierend auf der Fahrzeuggeschwindigkeit.

Nachfolgend wird die Funktion der Fahrzustandsbestimmungseinheit 30 mit Bezug auf die nachstehende Tabelle 1 beschrieben. [Tabelle 1]

	Strake Beschleunigung	Leichte Beschleunigung	Konstante Geschwindigkeit	Ab-Schalten	Langsames Bremsen	Schnelles Bremsen	Schnelle Beschleunigung
Hohe Geschwindigkeit	Fall 1	Fall 2	Fall 3	Fall 4	Fall 9	Fall 10	Fall 11
Niedrige Geschwindigkeit	Fall 5	Fall 6	Fall 7	Fall 8	Fall 9	Fall 10	Fall 11

In der Tabelle 1 bezieht sich hohe Geschwindigkeit” auf einen Fall, bei dem die Geschwindigkeit des Fahrzeugs 55 KPH übersteigt, niedrige Geschwindigkeit” bezieht sich auf einen Fall, in dem die Geschwindigkeit des Fahrzeugs kleiner als 55 KPH ist, „starke Beschleunigung” bezieht sich auf einen Fall, in dem die Geschwindigkeit des Fahrzeugs um 3 KPH pro Sekunde erhöht wird, ”leichte Beschleunigung” bezieht sich auf einen Fall, in dem die Geschwindigkeit des Fahrzeugs um 1 KPH pro Sekunde erhöht wird, ”Konstante Geschwindigkeit” bezieht sich auf einen Fall, in dem die Geschwindigkeit des Fahrzeugs innerhalb eines vorbestimmten Bereichs (–0,5 bis 0,5 KPH) geändert wird, „Abschalten” bezieht sich auf einen Fall, in dem die Geschwindigkeit des Fahrzeugs um 0,5 KPH pro Sekunde verringert wird, „Langsames Bremsen” bezieht sich auf einen Fall, bei dem die Gravitationsbeschleunigung; 0,6 g übersteigt, „Schnelles Bremsen” bezieht sich auf einen Fall, in dem die Gravitationsbeschleunigung kleiner oder gleich –0,6 g ist, und „Schnelle Beschleunigung” bezieht sich auf einen Fall, bei dem ein APS-Datenwert das Maximum ist.
Daher repräsentiert Fall 1 das Auftreten einer starken Beschleunigung in einem Zustand, in dem das Fahrzeug mit hoher Geschwindigkeit fährt, Fall 2 repräsentiert das Auftreten einer leichten Beschleunigung in einen Zustand, in dem das Fahrzeug mit hoher Geschwindigkeit fährt, Fall 3 repräsentiert das Auftreten einer konstanten Geschwindigkeit in einem Zustand, in dem das Fahrzeug mit hoher Geschwindigkeit fährt, Fall 4 repräsentiert das Auftreten eines Ausschaltens in einem Zustand, in dem das Fahrzeug mit hoher Geschwindigkeit fährt, Fall 5 repräsentiert das Auftreten einer starken Beschleunigung in einem Zustand, in dem das Fahrzeug mit geringer Geschwindigkeit fährt, Fall 6 repräsentiert das Auftreten einer leichten Beschleunigung in einem Zustand, in dem das Fahrzeug mit geringer Geschwindigkeit fährt, Fall 7 repräsentiert das Auftreten einer konstanter Geschwindigkeit in einem Zustand, in dem das Fahrzeug mit niedriger Geschwindigkeit fährt, Fall 8 repräsentiert das Auftreten eines Ausschaltens in einem Zustand, in dem das Fahrzeug mit niedriger Geschwindigkeit fährt, Fall 9 repräsentiert das Auftreten eines langsamen Bremsens unabhängig von einem Zustand dar, in dem das Fahrzeug mit hoher Geschwindigkeit oder niedriger Geschwindigkeit fährt, Fall 10 repräsentiert das Auftreten eines schnellen Bremsens, unabhängig von einem Zustand, in dem das Fahrzeug mit hoher Geschwindigkeit oder niedriger Geschwindigkeit fährt, und Fall 11 repräsentiert das Auftreten einer schnellen Beschleunigung unabhängig von einem Zustand, in dem das Fahrzeug mit hoher Geschwindigkeit oder niedriger Geschwindigkeit fährt.
Hier umfassen die normalen Fahrzustände Fall 2, Fall 3, Fall 6 und Fall 7, die Beschleunigungsantriebsbedingungen umfassen Fall 1, Fall 5 und Fall 11 und die Verzögerungsantriebsbedingungen umfassen Fall 4, Fall 8, Fall 9 und Fall 10.
Die Beeinflussungsmodell-Konstruktionseinheit 40 kann ein Modul für das Offline-Lernen sein und kann ein Beeinflussungsmodell unter Verwendung von Lernlogiken konstruieren, die den durch die Fahrzustandsbestimmungseinheit 30 bestimmten Fahrzuständen entsprechen.
Mit anderen Worten, kann die Beeinflussungsmodell-Konstruktionseinheit 40 die Lernlogiken durch Anwenden eines komplexen Baums als Lernlogik auf die normale Fahrbedingung lernen, durch Anwenden einer Unterstützungsvektormaschine (SVM-Technik) als Lernlogik für das Beschleunigungszustand, und Anwenden einer überwachten lernenden neuronalen Netzwerktechnik als die Lernlogik auf den Verzögerungsfahrzustand. Dies wird gemacht, um die optimierte Lernlogik auf die jeweiligen Fahrbedingungen anzuwenden.
Beispielsweise kann die Beeinflussungsmodell-Konstruktionseinheit 40 die Lernlogik des komplexen Baums unter Verwendung der seitlichen Bewegungsdaten (beispielsweise einer Richtungswinkeländerung, die unter Verwendung von SAS-Daten und YRS-Daten berechnet wird) und der Längsbewegungsdaten (Beispielsweise APS-Daten, und die Varianz einer Differenz zwischen der Vorderradgeschwindigkeit und der Hinterradgeschwindigkeit) lernen.
Zusätzlich kann die Beeinflussungsmodell-Konstruktionseinheit 40 eine Hochfrequenzenergie bei der Änderung des Radgeschwindigkeitsdurchschnitts (durch Frequenzumwandlung) berechnen und ein 2D-Karten-Matching mit der Radbeschleunigung und den APS-Daten durchführen.
Zusätzlich kann die Beeinflussungsmodell-Konstruktionseinheit 40 die Lernlogik der neuronalen Netzwerktechnik unter Verwendung der Fahrzeuggeschwindigkeit, der Längsbeschleunigung und der Varianz der Längsbeschleunigung erlernen.
Unterdessen kann die Beeinflussungsmodell-Konstruktionseinheit 40 Etiketteninformationen 41 empfangen, die informieren, ob Daten, die zum Lernen eingegeben werden, eine Straßenoberfläche mit hoher Reibung oder eine Straßenoberfläche mit geringer Reibung sind. Die Beeinflussungsmodell-Konstruktionseinheit 40 kann das Beeinflussungsmodell höherer Qualität erzeugen, indem der Lernprozeß mehrmals auf einer Vielzahl von Straßen hoher Reibung oder einer Vielzahl von Straßen mit geringer Reibung durchgeführt wird.
Das Beeinflussungsmodell für jeden Fall kann auf das Fahrzeug angewendet werden und zur Bestimmung der Straßenoberfläche mit geringer Reibung verwendet werden. Nachstehend wird ein Verfahren zum Bestimmen einer Straßenoberfläche basierend auf einem Beeinflussungsmodell für jeden Fall unter Bezugnahme auf 4 beschrieben.
4 veranschaulicht ein Blockdiagramm eines Prozesses zum Bestimmen einer Straßenoberfläche basierend auf einem Beeinflussungsmodell für jeden Fall und bezieht sich auch auf einen Funktionsblock eines Controllers (Prozessors), der den Prozess ausführt.
Wie in 4 gezeigt ist, enthält die Steuereinrichtung zum Bestimmen einer Straßenoberfläche basierend auf einem Beeinflussungsmodell für jeden Fall gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung die Eingabeeinheit 10, die Vorverarbeitungseinheit 20, die Fahrzustandsbestimmungseinheit 30, eine Logikoperationseinheit 50, einer Kombiniereinheit 60, eine Nachverarbeitungseinheit 70 und eine Straßenoberflächenbestimmungseinheit 80.
Da die Eingabeeinheit 10, die Vorverarbeitungseinheit 20 und die Fahrzustandsbestimmungseinheit 30 dieselben Funktionen erfüllen wie diejenigen, die in dem Prozess zum Konstruieren des Beeinflussungsmodells beschrieben sind, werden die anderen Elemente nachfolgend beschrieben. Die Logikoperationseinheit 50 kann ein Beeinflussungsmodell bestimmen, das einen bestimmten Fahrzustand entspricht, der durch die Fahrzustandsbestimmungseinheit 30 bestimmt wird.
Die Logikoperationseinheit 50 kann Daten, die dem bestimmten Beeinflussungsmodell entsprechen, aus den Daten aus der Eingabeeinheit 10 und den Daten aus der Vorverarbeitungseinheit 20 extrahieren, die extrahierten Daten in das Beeinflussungsmodell 1 eingeben, um einen Ergebniswert zu erhalten. Hier liegt der Ergebniswert zwischen einem Wert (beispielsweise 0), der eine Straße mit hoher Reibung darstellt, und einem Wert (beispielsweise 1), der eine Straße mit geringer Reibung darstellt.
Mit anderen Worten kann die Logikoperationseinheit 50 ein erstes Beeinflussungsmodell verwenden, das durch Anwenden des komplexen Baums auf einen Fall erzeugt wird, der dem normalen Fahrzustand entspricht, ein zweites Beeinflussungsmodell verwenden, das durch Anwenden der SVM-Technik auf einen entsprechenden Fall erzeugt wird, der dem Beschleunigungszustand entspricht, und ein drittes Beeinflussungsmodell verwenden, das durch Anwenden der neuronalen Netzwerktechnik auf einen Fall erzeugt wird, der dem Verzögerungsfahrzustand entspricht.
Unter Bezugnahme auf 5 wird die Funktion der Logikoperationseinheit 50 detailliert beschrieben.
„510” bezeichnet einen Schritt zum Durchführen einer primären Nachverarbeitung (Filterung) des Dateneingabesatzes A entsprechend dem ersten Beeinflussungsmodell, wenn der Fahrzustand der normale Fahrzustand ist, wobei die nachverarbeiteten Daten in das erste Beeinflussungsmodell einzugeben, um einen ersten Ergebniswert zu erhalten.
„520” bezeichnet einen Schritt des Durchführens einer sekundären Nachverarbeitung (des Filters) des Dateneingabesatzes B entsprechend dem zweiten Beeinflussungsmodell, wenn der Fahrzustand der Beschleunigungsantriebszustand ist, wobei die nachverarbeiteten Daten in das zweite Beeinflussungsmodel eingeben werden, um einen zweiten Ergebniswert zu erhalten.
„530” bezeichnet einen Schritt zum Durchführen einer tertiären Nachverarbeitung (Filterung) des Dateneingabesatzes C entsprechend dem dritten Beeinflussungsmodell, wenn der Fahrzustand der Verzögerungsfahrzustand ist, wobei die nachverarbeiteten Daten in die dritte Inferenz eingegeben werden, um einen dritten Ergebniswert zu erhalten.
Hierbei können die Schritte 510, 520 und 530 zur gleichen Zeit oder zu verschiedenen Zeitpunkten durchgeführt werden oder können zu Überlappungszeiten durchgeführt werden.
Darüber hinaus kann die Logikoperationseinheit 50, wenn der auf der Grundlage des Beeinflussungsmodells erhaltene Ergebniswert divergent ist, den Fahrzustand als übermäßigen Fahrzustand (Fahren einer rauen Straße) bestimmen, der durch die Lernlogik schwer zu bestimmen ist, und informiert dies in Schritt 540 an die Nachverarbeitungseinheit 70.
Unterdessen ändert sich der Fahrzustand des Fahrzeugs jeden Augenblick. Mit anderen Worten, es gibt oft einen Zustandsübergang zwischen den zuvor genannten elf Fällen.
Daher ist es, um eine Straße mit geringer Reibung zu bestimmen, notwendig, die Ergebniswerte, die durch Anwendung der Beeinflussungsmodelle erhalten werden, mit den entsprechenden Fällen in der Reihenfolge des Auftretens der Fälle zu kombinieren. Dies kann durch die Kombiniereinheit 60 erfolgen.
Zum Beispiel, wenn die Reihenfolge des Auftretens Fall 1, Fall 3, Fall 5 und Fall 2 ist, und die Ergebniswerte 0,8 für Fall 1, 0,7 für Fall 3, 0,5 für Fall 5 und 0,7 für Fall 2 sind, können die Werte 0,8, 0,7, 0,5 und 0,7 in der Reihenfolge von Fall 1, Fall 3, Fall 5 und Fall 2 verbunden werden. Wenn die Ergebniswerte in einen kurzen Zeitintervall erzeugt werden, wird das kombinierte Ergebnis als Graph dargestellt.
Hier kann die Kombiniereinheit 60 eine Gewichtung basierend auf einer Zeit zur Verfügung stellen, für die ein aktueller Fall beibehalten wird, wodurch eine Übergangszeit auf einen nächsten Fall verzögert wird. Dieses kann so konfiguriert sein, um ferner einen Bestimmungspuffer (nicht gezeigt) zu enthalten.
Wenn zum Beispiel der Fall 1 augenblicklich in einem Zustand auftritt, in dem Fall 3 für eine vorbestimmte Zeit aufrechterhalten wird (Fall 1 wird für eine vorbestimmte Zeit nicht aufrechterhalten), kann die Kombiniereinheit 60 den Übergang zu Fall 1 durch die Bestimmungspuffer verzögern und den Fall 3 aufrechterhalten.
Im Allgemeinen ändert sich der Fahrbahnzustand nicht schnell, jedoch kann der Straßenoberflächenzustand basierend auf den Fahrzeugdaten häufig ändern, und daher ist es erforderlich, die Straßenoberfläche unter Berücksichtigung einer Haupttendenz zu bestimmen. Mit anderen Worten, es ist notwendig, eine häufige Änderung der von der Straßenoberflächen-Bestimmungseinheit 80 bestimmten Ergebnisse zu reduzieren.
Zu diesem Zweck kann die Nachverarbeitungseinheit 70 eine Hysterese auf die durch die Kombiniereinheit 60 kombinierten Ergebniswerte (kontinuierliche Werte) anwenden.
Dann kann die Straßenoberflächenbestimmungseinheit 80 bestimmen, ob die Straßenoberfläche, auf der das Fahrzeug fährt, eine Straße mit hoher Reibung oder eine Straße mit geringer Reibung ist, wobei der Ergebniswert verwendet wird, auf den die Hysterese angewendet wird.
Mit anderen Worten kann die Straßenoberflächenbestimmungseinheit 80 die Straßenoberfläche als die Straße mit geringer Reibung bestimmen, wenn der Ergebniswert, auf den die Hysterese angewendet wird, einen Schwellenwert überschreitet, und kann die Straßenoberfläche als die Straße mit hoher Reibung bestimmen, sofern der Ergebniswert, auf den die Hysterese angewendet wird, den Schwellenwert überschreitet.
In den oben beschriebenen Ausführungsformen der vorliegenden Offenbarung sind die Steuereinrichtung zum Konstruieren des Beeinflussungsmodells und die Steuerung zum Bestimmen der Straßenoberfläche auf der Basis des Beeinflussungsmodells als separate Elemente vorgesehen. Es kann jedoch auch ein einziger Controller vorgesehen sein, um alle Funktionen auszuführen.
6 veranschaulicht ein Flussdiagramm eines Verfahrens zum Bestimmen einer Straßenoberfläche basierend auf Fahrzeugdaten gemäß einer beispielhaften Ausführungsform der vorliegenden Offenbarung. Es zeigt einen Prozess, der von einem Controller (ein Prozessor) durchgeführt wird.
Zuerst können die Fahrzustände eines Fahrzeugs in eine Vielzahl von Fällen in 601 klassifiziert werden.
Als nächstes kann eine Lernlogik auf jeden der klassifizierten Fälle gemäß den Charakteristiken der Fälle angewendet werden, und ein Beeinflussungsmodell für jeden Fall kann in 602 konstruiert werden.
Danach kann bestimmt werden, ob die Straßenoberfläche, auf der das Fahrzeug fährt, eine Straße mit hoher Reibung oder eine Straße mit geringer Reibung ist, basierend auf dem Beeinflussungsmodell für jeden Fall in 603.
Unterdessen kann das oben beschriebene Verfahren gemäß den beispielhaften Ausführungsformen der vorliegenden Offenbarung als ein Computerprogramm geschrieben werden. Codes und Codesegmente, die das Programm bilden, können leicht von einem Fachmann auf dem Gebiet abgeleitet werden. Das geschriebene Programm kann in einem computerlesbaren Aufzeichnungsmedium (einem Informationsspeichermedium) gespeichert und von einem Computer gelesen und ausgeführt werden, wodurch das Verfahren gemäß den beispielhaften Ausführungsformen der vorliegenden Offenbarung implementiert wird. Das Aufzeichnungsmedium umfasst alle Arten von computerlesbaren Aufzeichnungsmedien.
Wie oben dargelegt, kann das Verfahren zum Bestimmen einer Straßenoberfläche basierend auf Fahrzeugdaten dadurch gekennzeichnet sein, dass Fahrzustände des Fahrzeugs in vorbestimmte Fälle klassifiziert werden, wobei eine Lernlogik auf jeden Fall entsprechend den Charakteristiken der Fälle angewandt wird, um eine Beeinflussungsmodell für jeden Fall zu konstruieren, und Bestimmen, ob eine Straßenoberfläche, auf der das Fahrzeug fährt, eine Fahrbahnoberfläche mit hoher Reibung oder eine Fahrbahnoberfläche mit geringer Reibung ist, basierend auf dem Beeinflussungsmodell für jeden Fall, wodurch die Straßenoberflächenbedingungen schnell und genau bestimmt werden, unabhängig von Typ der Straßen.
Obwohl die vorliegende Offenbarung unter Bezugnahme auf beispielhafte Ausführungsformen und den beigefügten Zeichnungen beschrieben worden ist, ist die vorliegende Offenbarung nicht hierauf beschränkt, sondern kann von den Fachleuten, auf die sich die vorliegende Offenbarung bezieht, verschieden modifiziert und geändert werden ohne von dem Geist und Umfang der vorliegenden Offenbarung abzuweichen, der in den folgenden Ansprüchen beansprucht wird.
Bezugszeichenliste

10: EINGABEEINHEIT
20: VORVERARBEITUNGSEINHEIT
30: FAHRBEDINGUNGSBESTIMMUNGSEINHEIT
40: BEEINFLUSSUNGSMODELL-KONSTRUKTIONSEINHEIT
21: ERSTER VORPROZESSOR
22: ZWEITER VORPROZESSOR
40: BEEINFLUSSUNGSMODELL-KONSTRUKTIONSEINHEIT
10: EINGABEEINHEIT
50: LOGIKOPERATIONSEINHEIT
60: KOMBINIEREINHEIT
70: NACHVERARBEITUNGSEINHEIT
80: STRASSENOBERFLÄCHENTBESTIMMUNGSEINHEIT
601: KLASSIFIZIERUNG DER FAHRBEDINGUNGEN DES FAHRZEUGS IN DIE FÄLLE
602: ANWENDEN DER LERNLOGIK FÜR JEDEN DER KLASSIFIZIERTEN FÄLLE GEMÄß DER EIGENSCHAFTEN DER FÄLLE UND DES KONSTRUKTIERTEN BEEINFLUSSUNGSMODELL FÜR JEDEN FALL
603: BESTIMMEN, OB DIE STRASSENOBERFLÄCHE, AUF WELCHER DAS FAHRZEUG FÄHRT, EINE STRASSENOBERFLÄCHE MIT HOHER REIBUNG ODER EINE STRASSENOBERFLÄCHE MIT GERINGER REIBUNG IST BASIEREND AUF DEM BEEINFLUSSUNGSMODELL FÜR JEDEN FALL

Claims

Verfahren zum Bestimmen einer Straßenoberfläche auf der Basis von Fahrzeugdaten durch eine Steuerung, wobei das Verfahren folgende Schritte umfasst: – Klassifizeren von Fahrzuständen eines Fahrzeugs in eine Vielzahl von Fällen; – Anwenden einer Lernlogik auf jeden der klassifizierten Fälle gemäß den Merkmalen der Fälle, und Konstruieren eines Beeinflussungsmodells für jeden Fall; und – Bestimmen, ob eine Straßenoberfläche, auf der das Fahrzeug fährt, eine Straßenoberfläche mit hoher Reibung oder eine Straßenoberfläche mit geringer Reibung ist, basierend auf dem Beeinflussungsmodell für jeden Fall, wobei das Fahrzeug von einem Bediener gefahren wird.
Verfahren nach Anspruch 1, wobei das Konstruieren des Beeinflussungsmodells das Lernen der Lernlogik auf der Grundlage einer Beziehung zwischen einer Bedienerbetätigung des Fahrzeugs und einer daraus resultierenden Bewegung des Fahrzeugs umfasst.
Verfahren nach Anspruch 2, wobei das Konstruieren des Beeinflussungsmodells das Vorverarbeiten von Daten, die durch die Betätigung des Bedieners erzeugt werden, und Daten, die sich auf die Bewegung des Fahrzeugs auf der Grundlage eines Zeitfensters beziehen, umfasst.
Verfahren nach Anspruch 3, wobei die Vorverarbeitung der Daten das Berechnen einer Varianz einer Differenz zwischen einer Vorderradgeschwindigkeit und einer Hinterradgeschwindigkeit, einer Radbeschleunigung, einer Varianz der Radbeschleunigung und einem Raddrehzahlmittelwert umfasst.
Verfahren nach Anspruch 1, wobei die Fälle in einen normalen Fahrzustand, einen Beschleunigungsfahrzustand und einen Verzögerungsfahrzustand auf der Grundlage einer Geschwindigkeit des Fahrzeugs klassifiziert werden.
Verfahren nach Anspruch 5, wobei das Konstruieren des Beeinflussungsmodells das Verwenden eines komplexen Baums als die Lernlogik umfasst, wenn der Fahrzustand des Fahrzeugs der normale Fahrzustand ist.
Verfahren nach Anspruch 5, wobei das Konstruieren des Beeinflussungsmodells das Verwenden einer Stützvektor-Maschinentechnik als die Lernlogik umfasst, wenn der Fahrzustand des Fahrzeugs der Beschleunigungs-Fahrzustand ist.
Verfahren nach Anspruch 5, wobei das Konstruieren eines Beeinflussungsmodels die Verwendung eines neuronalen Netzes als Lernlogik umfasst, wenn der Fahrzustand des Fahrzeugs der Verzögerungsfahrzustand ist.
Verfahren nach Anspruch 1, wobei der Bestimmungsschritt aufweist: – Kombinieren von Ergebniswerten, die unter Verwendung des Beeinflussungsmodels in der Reihenfolge des Auftretens der Fälle erhalten wurden; – Anwenden der Hysterese auf den kombinierten Ergebniswert; und – Bestimmen ob die Straßenoberfläche, auf der das Fahrzeug fährt, die Straßenoberfläche mit hoher Reibung oder die Straßenoberfläche mit geringer Reibung ist, basierend auf dem Ergebniswert, auf den die Hysterese angewendet wird.
Verfahren nach Anspruch 9, wobei der Kombinationsschritt eine Gewichtung auf der Basis einer Zeit umfasst, für die ein aktueller Fall beibehalten wird, und eine Übergangszeit auf einen nächsten Fall verzögert.
Verfahren nach Anspruch 1, wobei die Vielzahl der Fälle Fälle auf der Grundlage von Geschwindigkeit, Beschleunigung und Bremsung umfasst.
Verfahren zum Steuern des Betriebs eines Fahrzeugs, wobei das Verfahren umfasst: – Klassifizieren von Fahrzuständen eines Fahrzeugs in eine Vielzahl von Fällen; – Anwenden einer Lernlogik auf jeden der klassifizierten Fälle gemäß den Merkmalen der Fäll, und Konstruieren eines Beeinflussungsmodels für jeden Fall; – Bestimmen, während das Fahrzeug gefahren wird, ob eine Straßenoberfläche, auf der das Fahrzeug angetrieben wird, eine Straßenoberfläche mit hoher Reibung oder eine Straßenoberfläche mit geringer Reibung ist, basierend auf dem Beeinflussungsmodels für jeden Fall; und – Steuern eines Betriebs des Fahrzeugs auf der Basis eines Ergebnisses des Bestimmungsschritts.
Verfahren nach Anspruch 12, wobei die Steuerung des Betriebs des Fahrzeugs das Steuern des Betriebs unter Verwendung eines anwenderfreundlichen Systems umfasst.
Verfahren nach Anspruch 13, wobei das anwenderfreundliche System ein Antiblockiersystem (ABS), ein elektronisches Stabilitätskontrollsystem (ESC), ein Smart Cruise Control(SCC)-System oder ein Fahrerassistenzsystem (ADAS) umfasst.
Verfahren nach Anspruch 13, wobei der Bestimmungsschritt umfasst: – Kombinieren von Ergebniswerten, die unter Verwendung des Beeinflussungsmodels in der Reihenfolge des Auftretens der Fälle erhalten wurden; – Anwenden einer Hysterese auf den kombinierten Ergebniswert; und – Bestimmen, ob die Straßenoberfläche, auf der das Fahrzeug fährt, die Straßenoberfläche mit hoher Reibung oder die Straßenoberfläche mit geringer Reibung ist, basierend auf dem Ergebniswert, auf den die Hysterese angewendet wird.
Verfahren nach Anspruch 15, wobei der Kombinationsschritt eine Gewichtung auf der Grundlage einer Zeit umfasst, für die ein aktueller Fall beibehalten wird, und eine Übergangszeit auf einen nächsten Fall verzögert.