DE102019104353A1

DE102019104353A1 - System und verfahren zur reifenverschleissprognose

Info

Publication number: DE102019104353A1
Application number: DE102019104353.0A
Authority: DE
Inventors: Omar Makke; Oleg Yurievitch Gusikhin; Erick Michael Lavoie
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2018-02-22
Filing date: 2019-02-20
Publication date: 2019-08-22
Also published as: CN110186793A; US20190255891A1; US10730352B2

Abstract

Diese Offenbarung stellt ein System und Verfahren zur Reifenverschleißprognose bereit. Ein Speicher speichert Koeffizienten, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden. Ein Prozessor ist dazu programmiert, ein Verschleißdatenhistogramm von einem Fahrzeug zu empfangen, die Koeffizienten zu nutzen, um das Verschleißdatenhistogramm in ein Maß physischen Reifenverschleißes umzuwandeln und eine Warnmeldung zu senden, die auf den geschätzten Reifenverschleiß hinweist.

Description

TECHNISCHES GEBIET
Aspekte der Offenbarung betreffen im Allgemeinen Systeme und Verfahren zum Durchführen einer Prognose in Bezug auf Reifenverschleiß.
ALLGEMEINER STAND DER TECHNIK
Ein Profil auf Reifen wird niedriger, wenn die Reifen benutzt werden. Wenn dies stattfindet, kann sich eine Reifenleistung ändern. Reifen mit niedrigerem Profil weisen beispielsweise aufgrund des erhöhten Berührungsbereichs mit der Straße eine verbesserte Leistung bei trockenem Fahrbahnbelag auf, aber eine schlechtere Leistung bei nassem Fahrbahnbelag, wenn der Reifen nicht mehr fähig ist, das Wasser zu verdrängen. Ein Fahrer eines Fahrzeugs könnte den Verschleiß der Reifen auf einem Fahrzeug überwachen und die Reifen ersetzen, wenn die Profiltiefe zu niedrig wird.
KURZDARSTELLUNG
In einem oder mehreren veranschaulichenden Beispielen beinhaltet ein System einen Speicher, der Koeffizienten speichert, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden. Das System beinhaltet zudem einen Prozessor, der dazu programmiert ist, ein Verschleißdatenhistogramm von einem Fahrzeug zu empfangen, die Koeffizienten zu nutzen, um das Verschleißdatenhistogramm in ein Maß physischen Reifenverschleißes umzuwandeln und eine Warnmeldung zu senden, die auf den geschätzten Reifenverschleiß hinweist.
In einem oder mehreren veranschaulichenden Beispielen beinhaltet ein Verfahren das Nutzen der Koeffizienten, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden, um ein Verschleißdatenhistogramm, das eine Verteilung von Leistung beinhaltet, die auf einen Verschleiß von Reifen des Fahrzeugs gemäß einer oder mehreren Variablen hinweist, in ein Maß physischen Reifenverschleißes umzuwandeln.
In einem oder mehreren veranschaulichenden Beispielen beinhaltet ein nichtflüchtiges computerlesbares Medium Anweisungen, die, wenn diese durch einen Prozessor ausgeführt werden, den Prozessor dazu veranlassen, die Koeffizienten zu nutzen, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden, um ein Verschleißdatenhistogramm, das eine Verteilung von Leistung beinhaltet, die auf einen Verschleiß von Reifen des Fahrzeugs gemäß einer oder mehreren Variablen hinweist, in ein Maß physischen Reifenverschleißes umzuwandeln.
Figurenliste

1 veranschaulicht ein beispielhaftes System zum Analysieren von Verschleißdaten von einem Fahrzeug, um eine Reifenverschleißdiagnose durchzuführen;
2 veranschaulicht ein beispielhaftes Diagramm des Fahrzeugs, das Kommunikationsmerkmale zur Verwendung beim Erzeugen und Hochladen von Verschleißdatenhistogrammen umsetzt;
3 veranschaulicht ein beispielhaftes Diagramm des Analyseservers, der Instrumente zum maschinellen Lernen zur Verwendung beim Analysieren von Verschleißdatenhistogrammen umsetzt;
4 veranschaulicht ein beispielhaftes Datenflussdiagramm des Betriebs der Elemente des Systems zum Analysieren von Verschleißdaten von einem Fahrzeug, um eine Reifenverschleißprognose durchzuführen;
5 veranschaulicht einen beispielhaften Verlauf einer Fahrzeugleistungsausgabe in Abhängigkeit von der Zeit;
6 veranschaulicht ein beispielhaftes eindimensionales Verschleißdatenhistogramm;
7 veranschaulicht ein beispielhaftes zweidimensionales Verschleißdatenhistogramm;
8 veranschaulicht ein beispielhaftes dreidimensionales Verschleißdatenhistogramm;
9 veranschaulicht einen beispielhaften Prozess zum Trainieren von Koeffizienten zur Nutzung bei der Bereitstellung einer Reifenverschleißprognose; und
10 veranschaulicht einen beispielhaften Prozess, der eine Reifenverschleißprognose bereitstellt.

DETAILLIERTE BESCHREIBUNG
Ausführliche Ausführungsformen der vorliegenden Erfindung werden hier nach Bedarf offenbart; dabei versteht es sich jedoch, dass die offenbarten Ausführungsformen lediglich beispielhaft für die Erfindung sind, die in verschiedenen und alternativen Formen ausgeführt sein kann. Die Figuren sind nicht zwingend maßstabsgetreu; einige Merkmale können vergrößert oder verkleinert dargestellt sein, um Details bestimmter Komponenten zu zeigen. Demnach sind hier offenbarte konkrete strukturelle und funktionelle Details nicht als einschränkend auszulegen, sondern lediglich als repräsentative Grundlage, um den Fachmann die vielfältige Verwendung der vorliegenden Erfindung zu lehren.
Eine Verschleißvorhersage zu Reifen kann unter Verwendung von komplexen Modellen und Sensoren erreicht werden. Derartige Systeme erhöhen die Kosten an dem Fahrzeug. Diese Kosten beinhalten Sensoren zum Empfangen von Daten und Prozessoren zum Analysieren der Daten über das Modell. Das Streamen der Sensordaten an einen Cloudserver reduziert fahrzeugseitige Verarbeitungsanforderungen, erfordert jedoch, dass eine unrealistisch große Datenmenge von dem Fahrzeug übertragen wird.
Es wird ein verbessertes System und Verfahren zum Bereitstellen einer Reifenverschleißprognose offenbart. Das System und Verfahren nutzt ein Cloudsystem und Daten eines physischen Reifenverschleißes, die von einem Fahrzeug erhalten werden, um den Reifenverschleiß für das Fahrzeug vorherzusagen. Die Daten eines physischen Reifenverschleißes werden zu einem Histogramm kompiliert, um die Speicher- und Datenauslagerungsanforderungen an das Fahrzeug zu reduzieren. Das Histogramm kann die Reifenverschleißdaten hinsichtlich verschiedener Faktoren wie Geschwindigkeit, Lenkwinkel und/oder Temperatur aufzeichnen. Das Histogramm wird dem Cloudsystem bereitgestellt, um ein maschinelles Lernen an den Daten durchzuführen. Das System zum maschinellen Lernen kann auf Grundlage von Experimenten trainiert werden, die Histogrammdaten mit einem gemessenen Reifenverschleiß korrelieren. Durch Verwenden des Prozesses mit maschinellem Lernen identifiziert das System Koeffizienten, die die Histogrammdaten in ein Maß physischen Verschleißes an den Reifen umwandeln. Nach dem Trainieren kann ein tatsächlicher Reifenverschleiß für Fahrzeuge unter Verwendung von Histogrammdaten, die von den Fahrzeugen empfangen werden, vorhergesagt werden. Durch Analysieren der Reifenverschleißdaten auf diese Weise kann die Analyse des Reifenverschleißprognosesystems einen tatsächlichen Reifenverschleiß für ein Fahrzeug nach ein paar Tausend Meilen Verschleiß (hierbei handelt es sich um einen logischen Zeitraum zum Prüfen eines Reifenverschleißes) zusammenführen, während die zum Durchführen der Vorhersage erforderliche Datenmenge verringert wird.
1 veranschaulicht ein beispielhaftes System 100 zum Analysieren von Verschleißdaten von einem Fahrzeug 102, um eine Reifenverschleißprognose durchzuführen. Wie gezeigt, beinhaltet das System 100 ein Fahrzeug 102, das über ein Weitverkehrsnetzwerk 104 in Kommunikation mit einem Analyseserver 108 steht. Das Fahrzeug 102 ist für eine drahtlose Kommunikation mit Mobilfunktürmen 106, die mit dem Weitverkehrsnetzwerk 104 verbunden sind, konfiguriert. Der Server 108 steht ebenfalls in Kommunikation mit dem Weitverkehrsnetzwerk 104. Wenngleich ein beispielhaftes System 100 in 1 gezeigt ist, dienen die veranschaulichten beispielhaften Komponenten nicht der Einschränkung. Tatsächlich kann das System 100 mehr oder weniger Komponenten aufweisen und es können zusätzliche oder alternative Komponenten und/oder Umsetzungen verwendet werden. Als ein Beispiel kann das System 100 mehr oder weniger Fahrzeuge 102, Mobilfunktürme 106 und/oder Aktualisierungsserver 108 beinhalten.
Die Fahrzeuge 102 können verschiedene Arten von Automobilen, Softroadern (crossover utility vehicle - CUV), Geländewagen (sport utility vehicle - SUV), Trucks, Wohnmobilen (recreational vehicle - RV), Booten, Flugzeugen oder anderen mobilen Maschinen zum Befördern von Personen oder Transportieren von Gütern beinhalten. In vielen Fällen kann das Fahrzeug 102 durch eine Brennkraftmaschine angetrieben werden. Als eine andere Möglichkeit kann das Fahrzeug 102 ein Hybrid-Elektrofahrzeug (Hybrid Electric Vehicle - HEV) sein, das sowohl durch eine Brennkraftmaschine als auch durch einen oder mehrere Elektromotoren angetrieben wird, wie etwa ein Serienhybrid-Elektrofahrzeug (SHEV), ein Parallelhybrid-Elektrofahrzeug (PHEV) oder ein Parallel/Serienhybrid-Elektrofahrzeug (PSHEV). Da die Art und Konfiguration des Fahrzeugs 102 variieren können, können entsprechend auch die Fähigkeiten des Fahrzeugs 102 variieren. Als einige weitere Möglichkeiten können die Fahrzeuge 102 unterschiedliche Fähigkeiten in Bezug auf die Fahrgastkapazität, die Anhängefähigkeit und -last und den Stauraum aufweisen. Weitere Aspekte der Funktionen des Fahrzeugs 102 werden unter Bezugnahme auf 2 ausführlich erörtert.
Das Weitverkehrsnetzwerk 104 kann ein oder mehrere miteinander verbundene Kommunikationsnetzwerke, wie etwa - als einige nicht einschränkende Beispiele - das Internet, ein Kabelfernsehverteilungsnetzwerk, ein Satellitenverbindungsnetzwerk, ein lokales Netzwerk, ein Weitverkehrsnetzwerk und ein Telefonnetzwerk, beinhalten. Durch Zugriff auf das Weitverkehrsnetzwerk 104 kann das Fahrzeug 102 in der Lage sein, Ausgangsdaten von dem Fahrzeug 102 an Netzwerkziele im Weitverkehrsnetzwerk 104 zu senden und Eingangsdaten an das Fahrzeug 102 von Netzwerkzielen im Weitverkehrsnetzwerk 104 zu empfangen.
Die Mobilfunktürme 106 können Systemhardware beinhalten, die dazu konfiguriert ist, es Mobilfunksendeempfängern des Fahrzeugs 102 zu ermöglichen, auf die Kommunikationsdienste des Weitverkehrsnetzwerks 104 zuzugreifen. In einem Beispiel können die Mobilfunktürme 106 Teil eines Mobilfunkanbieters für ein globales System für mobile Kommunikation (global system for mobile communication - GSM) sein. In einem anderen Beispiel können die Mobilfunktürme 106 Teil eines Mobilfunkanbieters für Code Division Multiple Access (CDMA) sein. Die Mobilfunktürme 106 können verschiedene unterschiedliche Technologien und Datenübertragungsraten unterstützen.
Der Analyseserver 108 kann Rechenhardware beinhalten, die dazu konfiguriert ist, Datendienste im Hinblick auf das Bereitstellen von Software-Aktualisierungen 110 an Fahrzeuge 102 bereitzustellen. Weitere Aspekte der Funktionen des Analyseservers 108 werden unter Bezugnahme auf 3 ausführlich erörtert.
2 veranschaulicht ein beispielhaftes Diagramm 200 des Fahrzeugs 102, das Kommunikationsmerkmale zur Verwendung beim Erzeugen und Hochladen von Verschleißdatenhistogrammen 224 umsetzt. Das Fahrzeug 102 beinhaltet eine Telematiksteuerung 202, die dazu konfiguriert ist, über das Weitverkehrsnetzwerk 104 zu kommunizieren. Diese Kommunikation kann unter Verwendung eines Modems 208 der Telematiksteuerung 202 durchgeführt werden. Wenngleich in 2 ein beispielhaftes Fahrzeug 102 gezeigt ist, sollen die veranschaulichten beispielhaften Komponenten nicht der Einschränkung dienen. Tatsächlich kann das Fahrzeug 102 mehr oder weniger Komponenten aufweisen und es können zusätzliche oder alternative Komponenten und/oder Umsetzungen verwendet werden.
Die Telematiksteuerung 202 kann dazu konfiguriert sein, Sprachbefehls- und BLUETOOTH-Schnittstellen zum Fahrer und zu Fahrermobilgeräten (z. B. mobilen Vorrichtungen 210) zu unterstützen, Benutzereingaben über verschiedene Tasten oder andere Steuerungen zu empfangen und einem Fahrer oder anderen Insassen des Fahrzeugs 102 Fahrzeugstatusinformationen bereitzustellen. Eine beispielhafte Telematiksteuerung 202 kann das SYNC-System sein, das durch die FORD MOTOR COMPANY aus Dearborn, Michigan bereitgestellt wird.
Die Telematiksteuerung 202 kann außerdem verschiedene Arten von Rechenvorrichtungen zur Unterstützung der Durchführung der Funktionen der hier beschriebenen Telematiksteuerung 202 beinhalten. In einem Beispiel kann die Telematiksteuerung 202 einen oder mehrere Prozessoren 204, die zum Ausführen von Computeranweisungen konfiguriert sind, und ein Speichermedium 206, auf dem die computerausführbaren Anweisungen und/oder Daten gespeichert werden können, beinhalten. Ein computerlesbares Speichermedium (auch als prozessorlesbares/r Medium oder Speicher 206 bezeichnet) beinhaltet ein beliebiges nichtflüchtiges (z. B. physisches) Medium, das an der Bereitstellung von Daten (z. B. Anweisungen) beteiligt ist, die durch einen Computer (z. B. durch den/die Prozessor(en) 204) gelesen werden können. Im Allgemeinen empfängt ein Prozessor 204 Anweisungen und/oder Daten, z. B. vom Speicher 206 usw., in einem Arbeitsspeicher und führt die Anweisungen unter Verwendung der Daten aus, wodurch ein oder mehrere Prozesse, einschließlich eines oder mehrerer der hier beschriebenen Prozesse, durchgeführt werden. Computerausführbare Anweisungen können von Computerprogrammen kompiliert oder ausgewertet werden, die unter Verwendung einer Reihe von Programmiersprachen und/oder -technologien erstellt wurden, einschließlich unter anderem und entweder für sich oder in Kombination Java, C, C++, C#, Fortran, Pascal, Visual Basic, Python, Java Script, Perl, PL/SQL usw.
Die Telematiksteuerung 202 kann dazu konfiguriert sein, mit mobilen Vorrichtungen 210 der Fahrzeuginsassen zu kommunizieren. Bei den mobilen Vorrichtungen 210 kann es sich um beliebige verschiedener Arten von tragbaren Rechenvorrichtungen handeln, wie etwa Mobilfunktelefone, Tablet-Computer, Smartwatches, Laptop-Computer, tragbare Musikwiedergabevorrichtungen oder andere Vorrichtungen, die zur Kommunikation mit der Telematiksteuerung 202 in der Lage sind. Wie die Telematiksteuerung 202 kann die mobile Vorrichtung 210 einen oder mehrere Prozessoren, die zum Ausführen von Computeranweisungen konfiguriert sind, und ein Speichermedium, auf dem die computerausführbaren Anweisungen und/oder Daten gespeichert werden können, beinhalten. In vielen Beispielen kann die Telematiksteuerung 202 einen drahtlosen Sendeempfänger 212 (z. B. eine BLUETOOTH-Steuerung, einen ZIGBEE-Sendeempfänger, einen WLAN-Sendeempfänger usw.) beinhalten, der dazu konfiguriert ist, mit einem kompatiblen drahtlosen Sendeempfänger der mobilen Vorrichtung 210 zu kommunizieren. Zusätzlich oder alternativ kann die Telematiksteuerung 202 über eine drahtgebundene Verbindung mit der mobilen Vorrichtung 210 kommunizieren, wie etwa über eine USB-Verbindung zwischen der mobilen Vorrichtung 210 und einem USB-Teilsystem der Telematiksteuerung 202.
Die Telematiksteuerung 202 kann zudem Eingaben von Steuerungen 214 von Mensch-Maschine-Schnittstellen (human-machine interface - HMI) empfangen, die dazu konfiguriert sind, eine Interaktion der Insassen mit dem Fahrzeug 102 bereitzustellen. Beispielsweise kann die Telematiksteuerung 202 mit einer oder mehreren Tasten oder anderen HMI-Steuerungen 214, die dazu konfiguriert sind, Funktionen auf der Telematiksteuerung 202 aufzurufen (z. B. Audiotasten am Lenkrad, einer Sprechtaste, Steuerungen am Armaturenbrett usw.), eine Schnittstelle herstellen. Die Telematiksteuerung 202 kann zudem eine oder mehrere Anzeigebildschirme 216, die dazu konfiguriert sind, z.B. über eine Videosteuerung, den Fahrzeuginsassen eine visuelle Ausgabe bereitzustellen, antreiben oder anderweitig mit ihnen kommunizieren. In einigen Fällen kann es sich bei der Anzeige 216 um einen Touchscreen handeln, der ferner dazu konfiguriert ist, berührungsbasierte Eingaben des Benutzers über die Videosteuerung zu empfangen, während es sich bei der Anzeige 216 in anderen Fällen lediglich m eine Anzeige ohne berührungsbasierte Eingabefähigkeiten handeln kann. In einem Beispiel kann es sich bei der Anzeige 216 um eine Kopfeinheitsanzeige handeln, die in einem Mittelkonsolenbereich der Kabine des Fahrzeugs 102 beinhaltet ist. In einem anderen Beispiel es sich bei der Anzeige 216 um einen Bildschirm eines Kombi-Instruments des Fahrzeugs 102 handeln.
Die Telematiksteuerung 202 kann ferner dazu konfiguriert sein, über ein oder mehrere fahrzeuginterne Netzwerke 218 mit anderen Komponenten des Fahrzeugs 102 zu kommunizieren. Die fahrzeuginternen Netzwerke 218 können zum Beispiel eines oder mehrere eines Controller-Area-Networks (CAN), eines Ethernet-Netzwerks oder einer medienorientierten Systemübertragung (media oriented system transfer - MOST) des Fahrzeugs beinhalten. Die fahrzeuginternen Netzwerke 218 können es der Telematiksteuerung 202 ermöglichen, mit anderen Systemen des Fahrzeugs 102 zu kommunizieren, wie etwa einem Karosseriemodul (body module - BCM) 220-A, einem elektronischen Bremssteuersystem (electronic brake control system - EBCM) 220-B, einem Lenksteuersystem (steering control system - SCM) 220-C, einem Antriebsstrangsteuersystem (powertrain control system - PCM) 220-D, einem Sicherheitssteuersystem (safety control system - SACM) 220-E und einem globalen Positionsbestimmungssystem (global positioning system - GPS) 220-F. Wie abgebildet, sind die Steuerungen 220 als einzelne Steuerungen und Systeme wiedergegeben. Die Steuerungen 220 können jedoch physische Hardware, Firmware und/oder Software gemein haben, sodass die Funktionen mehrerer Steuerungen 220 in eine einzige Steuerung 220 integriert sein können und die Funktionen verschiedener derartiger Steuerungen 220 über eine Vielzahl von Steuerungen 220 verteilt sein können.
Das BCM 220-A kann dazu konfiguriert sein, verschiedene Funktionen des Fahrzeugs 102 in Bezug auf die Steuerung von Stromverbrauchern, welche durch die Batterie des Fahrzeugs 102 gespeist werden, zu unterstützen. Beispiele für derartige Stromverbraucher beinhalten unter anderem Außenbeleuchtung, Innenbeleuchtung, beheizte Sitze, beheizte Windschutzscheibe, beheizte Rückbeleuchtung und beheizte Spiegel. Zusätzlich kann das BCM 220-A dazu konfiguriert sein, Zugangsfunktionen des Fahrzeugs 102 zu verwalten, wie etwa schlüssellosen Zugang, Fernstart und Prüfung des Status von Zugriffspunkten (z. B. Schließstatus der Motorhaube, der Türen und/oder des Kofferraums des Fahrzeugs 102).
Das EBCM 220-B kann dazu konfiguriert sein, Bremsfunktionen des Fahrzeugs 102 zu steuern. In einigen Beispielen kann das EBCM 220-B dazu konfiguriert sein, Signalinformationen von Fahrzeugradsensoren und/oder Antriebsstrangdifferentialen zu empfangen und Antiblockier- und Antirutsch-Bremsfunktionen durch Steuerung von Bremsleitungsventilen, die den Bremsdruck von dem Hauptzylinder einstellen, zu verwalten.
Das SCM 220-C kann dazu konfiguriert sein, beim Lenken des Fahrzeugs zu helfen, indem es eine Lenkkraft, die den Rädern des Fahrzeugs 102 bereitgestellt wird, verstärkt oder dieser entgegengewirkt. In einigen Fällen kann die verstärkte Lenkkraft durch eine hydraulische Lenkhilfe bereitgestellt werden, die dazu konfiguriert ist, dem Lenkmechanismus kontrollierte Energie bereitzustellen, während in anderen Fällen die verstärkte Lenkkraft durch ein elektrisches Aktorsystem bereitgestellt werden kann.
Das PCM 220-D kann dazu konfiguriert sein, Motorsteuer- und Getriebesteuerfunktionen für das Fahrzeug 102 durchzuführen. In Bezug auf die Motorsteuerung kann das PCM 220-D dazu konfiguriert sein, Drosseleingaben zu empfangen und Aktoren des Fahrzeugmotors so zu steuern, dass Luft-Kraftstoff-Gemisch, Zündzeitpunkt, Leerlaufdrehzahl, Ventilansteuerung und andere Motorparameter festgelegt werden, um eine optimale Motorleistung und Leistungserzeugung zu gewährleisten. In Bezug auf die Getriebesteuerung kann das PCM 220-D dazu konfiguriert sein, Eingaben von Fahrzeugsensoren zu empfangen, wie etwa Raddrehzahlsensoren, Fahrzeuggeschwindigkeitssensoren, Drosselposition, Getriebefluidtemperatur, und zu bestimmen, wie und wann Gänge in dem Fahrzeug 102 zu schalten sind, um eine angemessene Leistung, Kraftstoffeffizienz und Schaltqualität zu gewährleisten. Das PCM 220-D kann ferner Informationen über die fahrzeuginternen Netzwerke 218 bereitstellen, wie etwa die Fahrzeuggeschwindigkeit und die Motordrehzahl.
Das SACM 220-E kann dazu konfiguriert sein, verschiedene Funktionen zum Verbessern der Stabilität und Steuerung des Fahrzeugs 102 bereitzustellen. Zum Beispiel kann das SACM 220-E dazu konfiguriert sein, Fahrzeugsensoren (z. B. Lenkradwinkelsensoren, Gierratensensoren, Querbeschleunigungssensoren, Raddrehzahlsensoren usw.) zu überwachen und das BCM 220-A, SCM 220-C und/oder PCM 220-D zu steuern. Als einige Möglichkeiten kann das SACM 220-E dazu konfiguriert sein, Drosseleingabeeinstellungen, Lenkwinkeleinstellungen, Bremsmodulation und Entscheidungen in Bezug auf die Allradantriebsleistungsteilung über das fahrzeuginterne Netzwerk 218 bereitzustellen, um die Stabilität und Steuerbarkeit des Fahrzeugs zu verbessern. Es ist anzumerken, dass in einigen Fällen die durch das SACM 220-E bereitgestellten Befehle andere Befehlseingaben überschreiben können. Das GPS 220-F ist dazu konfiguriert, den aktuellen Standort und Kursinformationen des Fahrzeugs 102 zur Verwendung in Diensten des Fahrzeugs 102 bereitzustellen.
Bei einer Hochladeanwendung 222 kann es sich um eine Anwendung handeln, die in dem Arbeitsspeicher der Telematiksteuerung 202 installiert ist. Bei Ausführung durch den Prozessor 204 kann die Hochladeanwendung 222 die Telematiksteuerung 202 dazu veranlassen, ein Verschleißdatenhistogramm 224 zu erzeugen und das Verschleißdatenhistogramm 224 zur Verarbeitung an den Analyseserver 108 zu senden.
Bei einem Histogramm handelt es sich um eine Darstellung einer Verteilung numerischer Daten gemäß einer oder mehreren Variablen. Das Verschleißdatenhistogramm 224 beinhaltet eine Verteilung von Informationen, die gemäß einer oder mehreren Variablen auf einen Verschleiß an den Reifen des Fahrzeugs 102 hinweisen. Diese Variablen können verschiedene Variablen beinhalten, die die Abriebeigenschaften der Reifen beeinflussen, wie etwa Temperatur, Geschwindigkeit und/oder Lenkradwinkel. Das Verschleißdatenhistogramm 224 kann in dem Speicher 206 als ein Datenfeld dargestellt sein. Das Verschleißdatenhistogramm 224 kann durch die Hochladeanwendung 222 durch Überwachen des fahrzeuginternen Netzwerks 218 auf Daten, die auf den Reifenverschleiß hinweisen, aktualisiert werden. Weitere Aspekte der Erzeugung des Verschleißdatenhistogramms 224 werden nachstehend in Bezug auf 5-8 erörtert.
3 veranschaulicht ein beispielhaftes Diagramm 300 des Analyseservers 108, der die Instrumente zum maschinellen Lernen zur Verwendung beim Analysieren von Verschleißdatenhistogrammen 224 umsetzt. Der Analyseserver 108 kann verschiedene Arten von Rechenvorrichtungen beinhalten und/oder mit diesen kommunizieren, um die Leistung der Funktionen des Analyseservers 108 zu vereinfachen. Wie gezeigt, beinhaltet der Analyseserver 108 einen oder mehrere Arbeitsspeicher 302 und Prozessoren 304, die zum Ausführen von Computeranweisungen konfiguriert sind, und ein Speichermedium 306, auf dem die computerausführbaren Anweisungen und/oder Daten gespeichert werden können.
Der Analyseserver 108 beinhaltet zudem einen Sendeempfänger 308, um es dem Analyseserver 108 zu ermöglichen, über ein Weitverkehrsnetzwerk 104 mit anderen Vorrichtungen zu kommunizieren. Der Sendeempfänger 308 kann beispielsweise eine Modemvorrichtung beinhalten. Der Sendeempfänger 308 kann beispielsweise eine Kommunikation mit dem Modem 208 des Fahrzeugs 102 und/oder mit den mobilen Vorrichtungen 210 erleichtern.
Bei der Analyseanwendung 310 kann es sich um eine Anwendung handeln, die in dem Speicher 306 des Analyseservers 108 installiert ist. Bei Ausführung durch den Prozessor 304 kann die Analyseanwendung 310 den Analyseserver 108 dazu veranlassen, Verschleißdatenhistogramme 224 von Fahrzeugen 102 zu empfangen, Koeffizienten 312 zu speichern, die Daten eines Histogramms 224 einem tatsächlichen Reifenverschleiß zuordnen, und einen tatsächlichen Reifenverschleiß unter Verwendung der Verschleißdatenhistogramme 224 und der Koeffizienten 312 zu schätzen.
4 veranschaulicht ein beispielhaftes Datenflussdiagramm 400 des Betriebs der Elemente des Systems 100 zum Analysieren von Verschleißdaten von einem Fahrzeug 102, um eine Reifenverschleißprognose durchzuführen. Bei Zeitindex (A) erfasst das Fahrzeug 102 Verschleißdaten. Die Hochladeanwendung 222 kann beispielsweise die Telematiksteuerung 202 anweisen, das fahrzeuginterne Netzwerk 218 auf Daten zu überwachen, die auf einen Reifenverschleiß hinweisen, und kann das Verschleißdatenhistogramm 224 auf Grundlage der empfangenen Daten aktualisieren. Die Daten, die auf einen Reifenverschleiß hinweisen, können zum Beispiel eine Geschwindigkeit des Fahrzeugs 102, eine Umgebungstemperatur und einen Lenkwinkel des Fahrzeug 102 beinhalten. Wenngleich die Verarbeitung bei Zeitindex (A) an einem Abschnitt von Zeit veranschaulicht ist, ist anzumerken, dass die Verarbeitung bei Zeitindex (A) periodisch oder durchgehend durchgeführt werden kann, wie nachstehend in Bezug auf 5-8 genauer erläutert.
Bei Zeitindex (B) sendet der Analyseserver 108 eine Anforderung nach dem Verschleißdatenhistogramm 224. Diese Anforderung kann über das Weitverkehrsnetzwerk 104 gesendet werden und an das Fahrzeug 102 gerichtet sein. Das Weitverkehrsnetzwerk 104 kann die Anforderung nach dem Verschleißdatenhistogramm 224 dementsprechend bei Zeitindex (C) an das Fahrzeug weiterleiten. Bei Zeitindex (D) sendet das Fahrzeug 102 als Reaktion auf die Anforderung eine Antwort, die das Verschleißdatenhistogramm 224 beinhaltet. Diese Anforderung kann zudem über das Weitverkehrsnetzwerk 104 gesendet werden, kann aber an den Analyseserver 108 (oder den Sender der Anfrage) gerichtet sein. Das Weitverkehrsnetzwerk 104 kann dementsprechend bei Zeitindex (E) die Antwort, die das Verschleißdatenhistogramm 224 beinhaltet, an den Analyseserver 108 weiterleiten. Es ist anzumerken, dass das Fahrzeug 102 in anderen Beispielen dem Analyseserver 108 das Verschleißdatenhistogramm 224 auf Grundlage von anderen Kriterien als dem Empfang einer Anforderung von dem Analyseserver 108 bereitstellen kann. Das Fahrzeug 102 kann das Verschleißdatenhistogramm 224 beispielsweise als Reaktion auf das Vergehen eines vordefinierten Zeitraums (z. B. eine Woche, ein Monat), das Fahren einer vordefinierten Anzahl von Meilen (z. B. 100 Meilen, 1000 Meilen) und/oder als Reaktion auf eine manuelle Auswahl (z. B. über die HMI 214 des Fahrzeugs 102 oder durch Servicepersonal, das das Fahrzeug 102 wartet) an den Analyseserver 108 senden.
Bei Zeitindex (F) analysiert der Analyseserver 108 das Verschleißdatenhistogramm 224. In einem Beispiel kann der Analyseserver 108 für jedes Element des Verschleißdatenhistogramms 224 dieses Datenelement unter Verwendung eines Koeffizienten 312, der diesem Element des Verschleißdatenhistogramms 224 entspricht, multiplizieren oder anderweitig einstellen. Bei den Koeffizienten 312 kann es sich um das Ergebnis maschinellen Lernens handeln, dass auf Grundlage von Experimenten trainiert wurde, die Daten des Histogramms 224 mit einem gemessenen Reifenverschleiß korrelieren. Durch Verwenden des Prozesses mit maschinellem Lernen identifiziert der Analyseserver 108 Koeffizienten 312, die die Daten des Histogramms 224 in ein Maß physischen Verschleißes an dem Reifen umwandelt. Der Analyseserver 108 kann diese umgewandelten Werte zusammenfassen, um eine Gesamtschätzung des tatsächlichen Reifenverschleißes für das Fahrzeug 102 zu berechnen.
Bei Zeitindex (G) sendet der Analyseserver 108 eine Nachricht im Hinblick auf den geschätzten Reifenverschleiß. In dem veranschaulichten Beispiel sendet der Analyseserver 108 eine Nachricht an die mobile Vorrichtung 210 des Benutzers, die auf den geschätzten Reifenverschleiß hinweist. Diese Nachricht kann zum Beispiel den geschätzten Verschleiß an den Reifen definieren oder kann den Benutzer darauf hinweisen, dass die Reifen auf Verschleiß geprüft werden sollten.
5 veranschaulicht einen beispielhaften Verlauf 500 der Leistungsausgabe des Fahrzeugs 102 in Abhängigkeit von der Zeit. Wie gezeigt, stellt die X-Achse die Zeit dar, während die Y-Achse die Motorleistungsausgabe des Fahrzeugs 102 in Abhängigkeit von der Zeit darstellt. Insbesondere ist die Y-Achse in einen willkürlichen Satz von Bereichen eingeteilt, sodass Bereiche einer Leistungsausgabe von A-B, B-C, C-D, D-E, E-F und F-G vorliegen. Zusätzlich ist die X-Achse in willkürliche Zeiteinheiten eingeteilt.
6 veranschaulicht ein Beispiel 600 eines eindimensionalen Verschleißdatenhistogramms 224. Wie gezeigt, beinhaltet das Verschleißdatenhistogramm 224 eine Vielzahl von Klassen, wobei jede Klasse ein Intervall der Verteilung von Leistungsausgabedaten des Fahrzeugs 102 darstellt. Bei den Klassen kann es sich im Allgemeinen um aufeinanderfolgende, sich nicht überschneidende benachbarte Intervalle der Leistungsausgabe handeln. In dem veranschaulichten Beispiel sind die Klassen gleich groß, obwohl es möglich ist, dass die Klassen in anderen Beispielen in der Größe variieren. Jede Klasse kann Daten speichern, die auf eine Zeitdauer hinweisen, die sich die Leistungsausgabedaten innerhalb des Intervalls der entsprechenden Klasse befinden. Die A-B-Klasse speichert beispielsweise einen Wert, der auf die Zeitdauer hinweist, die sich die Leistungsausgabedaten in dem Intervall A-B befinden, während die B-C-Klasse einen Wert speichert, der auf die Zeitdauer hinweist, die sich die Leistungsausgabedaten in dem Intervall B-C befinden (z. B. unter Bezugnahme auf den beispielhaften Verlauf 500 für eine beispielhafte Definition von A, B und C). Das Verschleißdatenhistogramm 224 kann durch die Hochladeanwendung 222 aktualisiert werden, indem die Zeitdauer, die sich die Leistungsausgabedaten des Fahrzeugs 102 innerhalb der jeweiligen Leistungsausgabeintervalle befinden, in den Klassen akkumuliert wird.Leistung kann als Variable nützlicherweise separat in einem Histogramm dargestellt werden, da es sich bei einer Motorleistungsausgabe um einen wichtigen Faktor in der Verursachung von Reifenverschleiß handelt.
7 veranschaulicht ein Beispiel 700 eines zweidimensionalen Verschleißdatenhistogramms 224. Wie gezeigt, beinhaltet das Verschleißdatenhistogramm 224 eine Vielzahl von Klassen, wobei jede Klasse ein Intervall der Verteilung von Leistungsausgabedaten des Fahrzeugs 102 für ein Intervall einer Umgebungstemperatur darstellt. Jede Klasse des zweidimensionalen Verschleißdatenhistogramms 224 stellt beispielsweise ein Intervall von Leistungsausgabedaten und ein unabhängiges Intervall einer Umgebungstemperatur dar, sodass diese Klasse einen Datenwert speichert, der auf eine Zeitdauer hinweist, die sich die Leistungsausgabedaten und die Temperatur zur gleichen Zeit innerhalb des Intervalls der entsprechenden Klasse befinden. Die A-B-/i-j-Klasse speichert beispielsweise einen Wert, der auf die Zeitdauer hinweist, die sich die Leistungsausgabedaten innerhalb des Intervalls A-B befinden, während sich die Temperatur innerhalb des Intervalls i-j befindet, während die B-C-/i-j-Klasse einen Wert speichert, der auf die Zeitdauer hinweist, die sich die Leistungsausgabedaten innerhalb des Intervalls B-C befinden, während sich die Temperatur in dem Intervall i-j befindet. Temperatur kann als Variable nützlicherweise separat in einem Histogramm dargestellt werden, da es sich bei der Temperatur um einen wichtigen Faktor bei der Verursachung von Reifenverschleiß handelt, selbst getrennt von der Leistungsausgabe, die den Reifen bereitgestellt wird. Wenn ein Reifen beispielsweise 500 Joules bei einer höheren Temperatur unterliegt, trägt diese Leistung zu einem höheren Verschleiß an dem Reifen bei als die gleiche Leistung, die bei einer niedrigeren Temperatur bereitgestellt wird.
8 veranschaulicht ein Beispiel 800 eines dreidimensionalen Verschleißdatenhistogramms 224. Wie gezeigt, beinhaltet das Verschleißdatenhistogramm 224 eine Vielzahl von Klassen, wobei jede Klasse ein Intervall der Verteilung von Leistungsausgabedaten des Fahrzeugs 102 für ein Intervall einer Umgebungstemperatur für ein Intervall eines Lenkwinkels des Fahrzeugs 102 darstellt.
Es ist anzumerken, dass es sich bei den in 6-8 gezeigten Verschleißdatenhistogrammen 224 lediglich um Beispiele handelt und mehr, weniger oder unterschiedliche Variablen und Intervalle bei Erstellen der Verschleißdatenhistogramme 224 zur Analyse verwendeten werden können.
9 veranschaulicht einen beispielhaften Prozess 900 zum Lernen von Koeffizienten 312, um diese beim Bereitstellen einer Reifenverschleißprognose zu nutzen. In einem Beispiel kann der Prozess 900 durch den Analyseserver 108 durchgeführt werden, der die Analyseanwendung 310 im Kontext des Systems 100 ausführt.
Bei Vorgang 902 empfängt der Analyseserver 108 Verschleißdatenhistogramme 224 und entsprechende tatsächliche Verschleißdaten. In einem Beispiel können Experimente zum Erfassen von Verschleißdatenhistogrammen 224 für Fahrzeuge 102 durchgeführt werden, wobei zudem tatsächliche Messungen des Verschleißes an den Reifen erfasst werden. Die Analyseanwendung 310 des Analyseservers 108 kann diese Experimentergebnisse empfangen. In einem Beispiel können die Daten durch einen Bediener in den Speicher 306 eingegeben werden. In einem anderen Beispiel können die Daten von einer mobilen Vorrichtung 210 (z. B. über das Weitverkehrsnetzwerk 104) an den Analyseserver 108 gesendet werden.
Bei 904 nutzt der Analyseserver 108 maschinelles Lernen, um die Koeffizienten 312 zu bestimmen. In einem Beispiel kann die Analyseanwendung 310 des Analyseservers 108 dazu programmiert sein, Vorhersagemodelle für maschinelles Lernen durchzuführen, um einen Fehler eines Modells zum Anstellen von Reifenverschleißvorhersagen zu verringern. Ein einfaches Modell kann beispielsweise jeder Klasse des Verschleißdatenhistogramms 224 einen Koeffizienten 312 zuweisen, wobei jeder Koeffizient 312 mit dem Wert der entsprechenden Klasse multipliziert wird, um die Klassenakkumulation von Leistung in eine Schätzung eines Reifenverschleißes umzuwandeln. Eine Summe der Produkte für jede der Klassen unter Verwendung der Koeffizienten 312 kann verwendet werden, um den Gesamtreifenverschleiß gemäß den gemessenen Reifenverschleißdaten abzubilden. Verschiedene Techniken für maschinelles Lernen können durch die Analyseanwendung 310 verwendet werden, um die Koeffizienten 312 zu berechnen, einschließlich unter anderem lineare Regression, Methode der kleinsten Quadrate, Gradientenverfahren und/oder Regularisierung.
Der Analyseserver 108 speichert die Koeffizienten 312 bei Vorgang 906. Die gespeicherten Koeffizienten 312 können anschließend verwendet werden, um auf Grundlage eines willkürlich empfangenen Verschleißdatenhistogramms 224 einen Reifenverschleiß vorauszusagen. Nach Vorgang 906 endet der Prozess 900.
10 veranschaulicht einen beispielhaften Prozess 1000, der eine Reifenverschleißprognose bereitstellt. In einem Beispiel und ähnlich dem Prozess 900, kann der Prozess 1000 durch den Analyseserver 108, der die Analyseanwendung 310 ausführt, im Kontext des Systems 100 durchgeführt werden.
Bei Vorgang 1002 empfängt der Analyseserver 108 ein Verschleißdatenhistogramm 224. In einem Beispiel kann die Analyseanwendung 310 des Analyseservers 108 das Verschleißdatenhistogramm 224 als Reaktion auf eine Anforderung empfangen, die durch die Analyseanwendung 310 an das Fahrzeug 102 gesendet wird. In einem anderen Beispiel kann die Analyseanwendung 310 das Verschleißdatenhistogramm 224 als Reaktion auf andere Kriterien empfangen, wie etwa indem die Hochladeanwendung 222 der Telematiksteuerung 202 das Vergehen eines vordefinierten Zeitraums (z. B. eine Woche, ein Monat), das Fahren einer vordefinierten Anzahl von Meilen (z. B. 100 Meilen, 1000 Meilen usw.) identifiziert, und/oder als Reaktion auf eine manuelle Auswahl (z. B. über die HMI 214 des Fahrzeugs 102, durch Servicepersonal, das das Fahrzeug 102 wartet usw.).
Bei 1004 schätzt der Analyseserver 108 den Reifenverschleiß gemäß dem Verschleißdatenhistogramm 224 und den Koeffizienten 312. Um die Höhe des Verschleißes seit der letzten Auslesung zu bestimmen, kann der Analyseserver 108 die Daten des zuvor empfangenen Verschleißdatenhistogramms 224 für das Fahrzeug 102 von den Werten des zuletzt empfangenen Verschleißdatenhistogramms 224 abziehen. Dabei ist es nicht erforderlich, dass das Fahrzeug 102 die Daten des Verschleißdatenhistogramms 224 zurücksetzt. Um den Reifenverschleiß zu schätzen, kann die Analyseanwendung 310 des Analyseservers 108 in einem Beispiel das unter Verwendung des Prozesses 900 trainierten Modells nutzen, um unter Verwendung des empfangenen Verschleißdatenhistogramms 224 einen Reifenverschleiß zu schätzen. In einem Beispiel wird jeder Koeffizient 312 mit dem Wert einer entsprechenden Klasse in dem Verschleißdatenhistogramm 224 multipliziert, um die Klassenaggregation von Leistung in eine Schätzung eines Reifenverschleißes umzuwandeln. Eine Summe der Produkte für jede der Klassen unter Verwendung der Koeffizienten 312 kann verwendet werden, um den Gesamtreifenverschleiß abzubilden, der durch das Verschleißdatenhistogramm 224 abgebildet wird.
Der Analyseserver 108 bestimmt bei 1006, ob eine oder mehrere Vorrichtungen über den geschätzten Reifenverschleiß informiert werden sollen. In einem Beispiel kann die Analyseanwendung 310 des Analyseservers 108 den geschätzten Reifenverschleiß mit einer Schwellenwerthöhe an Verschleiß vergleichen und kann bestimmen, eine Nachricht zu senden, wenn die geschätzte Höhe eines Verschleißes die Schwellenwerthöhe an Verschleiß überschreitet. Die Analyseanwendung 310 des Analyseservers 108 kann beispielsweise bestimmen, eine Nachricht zu senden, wenn die Verschleißschätzung darauf hinweist, dass die Reifen ¼, ½ oder ¾ der Reifenlebensdauer erreicht haben (z. B. was darauf hinweist, dass die Reifen gewechselt, ersetzt oder untersucht werden müssen). Die Analyseanwendung 310 kann beispielsweise dazu programmiert sein, eine erste Nachricht zu senden, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen ersten Verschleißschwellenwert übersteigt, einen Reifenwechsel empfiehlt; und eine zweite Nachricht zu senden, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen zweiten Verschleißschwellenwert übersteigt, einen Reifenersatz empfiehlt, wobei der zweite Verschleißschwellenwert auf einen höheren Verschleiß hinweist als der erste Verschleißschwellenwert.
In einem Beispiel kann die Analyseanwendung 310 des Analyseservers 108 die Nachricht an eine Netzwerkadresse senden, die dem Fahrzeug 102 entspricht, das das Verschleißdatenhistogramm 224 gesendet hat. In einem anderen Beispiel kann die Analyseanwendung 310 des Analyseservers 108 die Nachricht an eine Netzwerkadresse senden, die einer mobilen Vorrichtung 210 entspricht, die dem Fahrzeug 102 entspricht (z. B. eine E-Mail-Adresse oder eine andere Adresse, die an eine Identifikation des Fahrzeugs 102 gebunden ist, wie etwa die FIN des Fahrzeugs 102).
Wenn bestimmt ist, dass eine Nachricht gesendet werden soll, geht die Steuerung zu Vorgang 1008 über, um die Nachricht zu senden. Nach Vorgang 1008 endet der Prozess 1000. Wenn bestimmt ist, dass bei Vorgang 1006 keine Nachricht gesendet wird, endet der Prozess 1000 ebenfalls.
Im Allgemeinen können Rechensysteme und/oder -vorrichtungen wie etwa die Telematiksteuerung 202, die Steuerungen 220 und der Analyseserver 108 eine beliebiges einer Anzahl von Computerbetriebssystemen verwenden wie u. a. beispielsweise Versionen und/oder Varianten des Betriebssystems Microsoft Windows®, des Unix-Betriebssystems (z. B. des Betriebssystems Solaris®, das von der Oracle Corporation in Redwood Shores, Kalifornien, vertrieben wird), des AIX-UNIX-Betriebssystems, das von International Business Machines in Armonk, New York, vertrieben wird, des Linux-Betriebssystems, der Betriebssysteme Mac OS X und iOS, die von Apple Inc. in Cupertino, Kalifornien, vertrieben werden, des BlackBerry-Betriebssystems, das von Research In Motion in Waterloo, Kanada, vertrieben wird, und des Android-Betriebssystems, das von der Open Handset Alliance entwickelt wurde.
Rechenvorrichtungen, wie etwa die Telematiksteuerung 202, die Steuerungen 220 und der Analyseserver 108 beinhalten im Allgemeinen computerausführbare Anweisungen, die durch einen oder mehrere Prozessoren der Rechenvorrichtungen ausführbar sind. Computerausführbare Anweisungen können von Computerprogrammen kompiliert oder ausgewertet werden, die unter Verwendung einer Reihe von Programmiersprachen und/oder - technologien erstellt wurden, einschließlich ohne Einschränkung und entweder für sich oder in Kombination Java™, C, C++, Visual Basic, Java Script, Perl usw. Im Allgemeinen empfängt ein Prozessor oder Mikroprozessor Anweisungen, z. B. von einem Speicher, einem computerlesbaren Medium usw., und führt diese Anweisungen aus, wodurch er einen oder mehrere Prozesse durchführt, zu denen einer oder mehrere der in dieser Schrift beschriebenen Prozesse gehören. Derartige Anweisungen und andere Daten können unter Verwendung einer Reihe von computerlesbaren Medien gespeichert und übertragen werden.
Ein computerlesbares Speichermedium (auch als prozessorlesbares Medium oder Speicher bezeichnet) beinhaltet ein beliebiges nichtflüchtiges (z. B. physisches) Medium, das an der Bereitstellung von Daten (z. B. Anweisungen) beteiligt ist, die von einem Computer (z. B. durch den Prozessor einer Rechenvorrichtung) gelesen werden können. Ein derartiges Medium kann viele Formen annehmen, einschließlich unter anderem nichtflüchtiger Medien und flüchtiger Medien. Nichtflüchtige Medien können beispielsweise optische Platten oder Magnetplatten und andere dauerhafte Speicher beinhalten. Flüchtige Medien können beispielsweise dynamischen Direktzugriffsspeicher (DRAM) beinhalten, der typischerweise einen Hauptspeicher darstellt. Derartige Anweisungen können durch ein oder mehrere Übertragungsmedien übertragen werden, einschließlich Koaxialkabeln, Kupferdraht und Glasfasern, einschließlich der Drähte, die einen mit einem Prozessor eines Computers gekoppelten Systembus umfassen. Gängige Formen computerlesbarer Medien beinhalten beispielsweise eine Diskette, eine Folienspeicherplatte, eine Festplatte, ein Magnetband, ein beliebiges anderes magnetisches Medium, eine CD-ROM, eine DVD, ein beliebiges anderes optisches Medium, Lochkarten, Lochstreifen, ein beliebiges anderes physisches Medium mit Lochmustern, einen RAM, einen PROM, einen EPROM, einen FLASH-EEPROM, einen beliebigen anderen Speicherchip oder eine beliebige andere Speicherkassette oder ein beliebiges anderes Medium, das von einem Computer ausgelesen werden kann.
In einigen Beispielen können Systemelemente als computerlesbare Anweisungen (z. B. Software) auf einer oder mehreren Rechenvorrichtungen (z. B. Servern, PCs usw.) umgesetzt sein, die auf zugehörigen computerlesbaren Medien (z. B. Datenträgern, Speichern usw.) gespeichert sind. Ein Computerprogrammprodukt kann derartige Anweisungen umfassen, die zum Ausführen der hier beschriebenen Funktionen auf computerlesbaren Medien gespeichert sind. Bei einigen oder allen der hier offenbarten Vorgänge, die durch die Telematiksteuerung 202, die Steuerungen 220 und den Analyseserver 108 durchgeführt werden, kann es sich um derartige Computerprogrammprodukte (z. B. die Hochladeanwendung 222, die Analyseanwendung 310) handeln. In einigen Beispielen können diese Computerprogrammprodukte als eine Software bereitgestellt sein, die, wenn sie durch einen oder mehrere Prozessoren ausgeführt wird, die hier beschriebenen Vorgänge bereitstellt. Alternativ dazu können die Computerprogrammprodukte als Hardware oder Firmware oder Kombinationen von Software, Hardware und/oder Firmware bereitgestellt sein.
Während vorstehend beispielhafte Ausführungsformen beschrieben sind, sollen diese Ausführungsformen nicht alle möglichen Formen der Erfindung beschreiben. Vielmehr sind die in der Beschreibung verwendeten Ausdrücke beschreibende und nicht einschränkende Ausdrücke, und es versteht sich, dass verschiedene Änderungen vorgenommen werden können, ohne vom Geist und Umfang der Erfindung abzuweichen. Zusätzlich können die Merkmale verschiedener umsetzender Ausführungsformen miteinander kombiniert werden, um weitere erfindungsgemäße Ausführungsformen bilden.
Gemäß der vorliegenden Erfindung ist ein System bereitgestellt, das Folgendes aufweist: einen Speicher, der Koeffizienten speichert, die Histogrammdatenelemente einem Reifenverschleiß zuordnen; wobei die Koeffizienten auf Grundlage einer Korrelation der Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden; und einen Prozessor, der dazu programmiert ist, ein Verschleißdatenhistogramm von einem Fahrzeug zu empfangen, die Koeffizienten zu nutzen, um das Verschleißdatenhistogramm in ein geschätztes Maß physischen Reifenverschleißes umzuwandeln und eine Warnnachricht zu senden, die auf den geschätzten physischen Reifenverschleiß hinweist.
Gemäß einer Ausführungsform beinhaltet das Verschleißdatenhistogramm auf Grundlage einer oder mehrerer Variablen eine Verteilung von Leistung, die auf einen Verschleiß an den Reifen des Fahrzeugs hinweist.
Gemäß einer Ausführungsform beinhalten die eine oder mehreren Variablen eines von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel.
Gemäß einer Ausführungsform beinhalten die eine oder mehreren Variablen zwei von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel.
Gemäß einer Ausführungsform, beinhalten die eine oder mehreren Variablen eine Motorleistungsausgabe, eine Umgebungstemperatur und einen Lenkwinkel.
Gemäß einer Ausführungsform ist der Prozessor ferner zu Folgendem programmiert: Anfordern des Verschleißdatenhistogramms von dem Fahrzeug und Senden der Warnnachricht an eine mobile Vorrichtung, die dem Fahrzeug entspricht.
Gemäß einer Ausführungsform ist der Prozessor ferner zu Folgendem programmiert: Empfangen tatsächlicher Verschleißdaten, die einer Vielzahl von experimentellen Verschleißdatenhistogrammen entsprechen; und Bestimmen der Koeffizienten unter Verwendung von maschinellem Lernen, das unter Verwendung der tatsächlichen Verschleißdaten und der entsprechenden Vielzahl von experimentellen Verschleißdatenhistogrammen trainiert wurde.
Gemäß einer Ausführungsform beinhaltet das Histogramm eine Vielzahl von Klassen und der Prozessor ist ferner zu Folgendem programmiert: Multiplizieren eines Werts, der in jeder der Vielzahl von Klassen durch einen Koeffizienten angegeben ist, der der jeweiligen Klasse entspricht, um ein umgewandeltes Produkt für jede Klasse zu schaffen; und Erzeugen des Maßes physischen Reifenverschleißes als eine Summe der umgewandelten Produkte.
Gemäß der vorliegenden Erfindung ist ein Verfahren bereitgestellt, das Folgendes aufweist: Nutzen der Koeffizienten, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden, um ein Verschleißdatenhistogramm, das eine Verteilung von Leistung beinhaltet, die auf einen Verschleiß von Reifen eines Fahrzeugs gemäß einer oder mehreren Variablen hinweist, in ein Maß physischen Reifenverschleißes umzuwandeln.
Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner durch Folgendes gekennzeichnet: Senden einer ersten Nachricht, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen ersten Verschleißschwellenwert übersteigt, einen Reifenwechsel empfiehlt; und Senden einer zweiten Nachricht, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen zweiten Verschleißschwellenwert übersteigt, einen Reifenersatz empfiehlt, wobei der zweite Verschleißschwellenwert auf einen höheren Verschleiß hinweist als der erste Verschleißschwellenwert.
Gemäß einer Ausführungsform beinhalten die eine oder mehreren Variablen eines von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel.
Gemäß einer Ausführungsform beinhalten die eine oder mehreren Variablen zwei von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel.
Gemäß einer Ausführungsform, beinhalten die eine oder mehreren Variablen eine Motorleistungsausgabe, eine Umgebungstemperatur und einen Lenkwinkel.
Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch das Bestimmen der Koeffizienten unter Verwendung von maschinellem Lernen, das unter Verwendung einer Vielzahl von experimentellen Verschleißdatenhistogrammen und tatsächlichen Verschleißdaten, die der Vielzahl von experimentellen Verschleißdatenhistogrammen entsprechen, trainiert wurde.
Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch das Erzeugen des Maßes physischen Reifenverschleißes als eine Summe von umgewandelten Produkten, die durch Multiplizieren eines Wertes, der in jeder einer Vielzahl von Klassen des Verschleißdatenhistogramms angegeben wird, mit einem Koeffizienten berechnet werden, der der jeweiligen Klasse entspricht.
Gemäß der vorliegenden Erfindung ein nichtflüchtiges computerlesbares Medium, das Anweisungen umfasst, die wenn diese durch einen Prozessor ausgeführt werden, den Prozessor dazu veranlassen, Koeffizienten zu nutzen, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden, und ein Verschleißdatenhistogramm, das eine Verteilung von Leistung beinhaltet, die auf einen Verschleiß von Reifen eines Fahrzeugs gemäß einer oder mehreren Variablen hinweist, in ein Maß physischen Reifenverschleißes umzuwandeln.
Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch Anweisungen, die, wenn diese durch den Prozessor ausgeführt werden, den Prozessor zu Folgendem veranlassen: Senden einer ersten Nachricht, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen ersten Verschleißschwellenwert übersteigt, einen Reifenwechsel empfiehlt; und Senden einer zweiten Nachricht, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen zweiten Verschleißschwellenwert übersteigt, einen Reifenersatz empfiehlt, wobei der zweite Verschleißschwellenwert auf einen höheren Verschleiß hinweist als der erste Verschleißschwellenwert.
Gemäß einer Ausführungsform beinhalten die eine oder mehreren Variablen eines von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel.
Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch Anweisungen, die, wenn diese durch den Prozessor ausgeführt werden, den Prozessor dazu veranlassen, die Koeffizienten unter Verwendung von maschinellem Lernen zu bestimmen, das unter Verwendung einer Vielzahl von experimentellen Verschleißdatenhistogrammen und tatsächlichen Verschleißdaten, die der Vielzahl von experimentellen Verschleißdatenhistogrammen entsprechen, trainiert wurde.
Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch Anweisungen, die, wenn diese durch den Prozessor ausgeführt werden, den Prozessor dazu veranlassen, das Maß physischen Reifenverschleißes als eine Summe umgewandelter Produkte zu erzeugen, die durch Multiplizieren eines Werts, der in jeder einer Vielzahl von Klassen des Verschleißdatenhistogramms angegeben ist, mit einem Koeffizienten berechnet werden, der der jeweiligen Klasse entspricht.

Claims

System, umfassend: einen Speicher, der Koeffizienten speichert, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden; und einen Prozessor, der zu Folgendem programmiert ist: Empfangen eines Verschleißdatenhistogramms von einem Fahrzeug, Nutzen der Koeffizienten, um das Verschleißdatenhistogramm in ein geschätztes Maß physischen Reifenverschleißes umzuwandeln, und Senden einer Warnnachricht, die auf den geschätzten physischen Reifenverschleiß hinweist.
System nach Anspruch 1, wobei das Verschleißdatenhistogramm eine Verteilung von Leistung auf Grundlage einer oder mehrerer Variablen beinhaltet, die auf einen Verschleiß an den Reifen des Fahrzeugs hinweist.
System nach Anspruch 2, wobei die eine oder mehreren Variablen eines von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel beinhalten.
System nach Anspruch 2, wobei die eine oder mehreren Variablen zwei von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel beinhalten.
System nach Anspruch 2, wobei die eine oder mehreren Variablen eine Motorleistungsausgabe, eine Umgebungstemperatur und einen Lenkwinkel beinhalten.
System nach Anspruch 1, wobei der Prozessor ferner zu Folgendem programmiert ist: Anfordern des Verschleißdatenhistogramms von dem Fahrzeug; und Senden der Warnnachricht an eine mobile Vorrichtung, die dem Fahrzeug entspricht.
System nach Anspruch 1, wobei der Prozessor ferner zu Folgendem programmiert ist: Empfangen tatsächlicher Verschleißdaten, die einer Vielzahl von experimentellen Verschleißdatenhistogrammen entsprechen; und Bestimmen der Koeffizienten unter Verwendung von maschinellem Lernen, das unter Verwendung tatsächlicher Verschleißdaten und der entsprechenden Vielzahl von experimentellen Verschleißdatenhistogrammen trainiert wurde.
System nach Anspruch 1, wobei das Histogramm eine Vielzahl von Klassen beinhaltet und der Prozessor ferner zu Folgendem programmiert ist: Multiplizieren eines Werts, der in jeder der Vielzahl von Klassen angegeben ist, mit einem Koeffizienten, der der jeweiligen Klasse entspricht, um für jede Klasse ein umgewandeltes Produkt zu schaffen; und Erzeugen des Maßes physischen Reifenverschleißes als eine Summe der umgewandelten Produkte.
Verfahren, umfassend: Nutzen von Koeffizienten, die Histogrammdatenelemente einem Reifenverschleiß zuordnen, wobei die Koeffizienten auf Grundlage einer Korrelation von Histogrammdaten zu einem gemessenen Reifenverschleiß trainiert werden, um ein Verschleißdatenhistogramm, das eine Verteilung von Leistung beinhaltet, die auf einen Verschleiß von Reifen eines Fahrzeugs gemäß einer oder mehreren Variablen hinweist, in ein Maß physischen Reifenverschleißes umzuwandeln.
Verfahren nach Anspruch 9, ferner umfassend: Senden einer ersten Nachricht, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen ersten Verschleißschwellenwert übersteigt, einen Reifenwechsel empfiehlt; und Senden einer zweiten Nachricht, die als Reaktion darauf, dass das Maß physischen Reifenverschleißes einen zweiten Verschleißschwellenwert übersteigt, einen Reifenersatz empfiehlt, wobei der zweite Verschleißschwellenwert auf einen höheren Verschleiß hinweist als der erste Verschleißschwellenwert.
Verfahren nach Anspruch 9, wobei die eine oder mehreren Variablen eines von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel beinhalten.
Verfahren nach Anspruch 9, wobei die eine oder mehreren Variablen zwei von Motorleistungsausgabe, Umgebungstemperatur oder Lenkwinkel beinhalten.
Verfahren nach Anspruch 9, wobei die eine oder mehreren Variablen eine Motorleistungsausgabe, eine Umgebungstemperatur und einen Lenkwinkel beinhalten.
Verfahren nach Anspruch 9, ferner umfassend das Bestimmen der Koeffizienten unter Verwendung von maschinellem Lernen, das unter Verwendung einer Vielzahl von experimentellen Verschleißdatenhistogrammen und tatsächlichen Verschleißdaten, die der Vielzahl von experimentellen Verschleißdatenhistogrammen entsprechen, trainiert wurde.
Verfahren nach Anspruch 9, ferner umfassend das Erzeugen des Maßes physischen Reifenverschleißes als eine Summe von umgewandelten Produkten, die durch Multiplizieren eines Wertes, der in jeder einer Vielzahl von Klassen des Verschleißdatenhistogramms angegeben wird, mit einem Koeffizienten berechnet werden, der der jeweiligen Klasse entspricht.