FR3103303A1 - Détermination d’un coefficient de friction pour un véhicule sur une route - Google Patents

Détermination d’un coefficient de friction pour un véhicule sur une route Download PDF

Info

Publication number
FR3103303A1
FR3103303A1 FR1912699A FR1912699A FR3103303A1 FR 3103303 A1 FR3103303 A1 FR 3103303A1 FR 1912699 A FR1912699 A FR 1912699A FR 1912699 A FR1912699 A FR 1912699A FR 3103303 A1 FR3103303 A1 FR 3103303A1
Authority
FR
France
Prior art keywords
road
vehicle
friction
data
type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR1912699A
Other languages
English (en)
Other versions
FR3103303B1 (fr
Inventor
Andrea Laruelo
David Guerrero
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Continental Automotive Technologies GmbH
Original Assignee
Continental Automotive France SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Continental Automotive France SAS filed Critical Continental Automotive France SAS
Priority to FR1912699A priority Critical patent/FR3103303B1/fr
Priority to PCT/EP2020/080869 priority patent/WO2021094148A1/fr
Priority to CN202080078902.0A priority patent/CN114730523B/zh
Priority to US17/774,652 priority patent/US11667296B2/en
Publication of FR3103303A1 publication Critical patent/FR3103303A1/fr
Application granted granted Critical
Publication of FR3103303B1 publication Critical patent/FR3103303B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/068—Road friction coefficient
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N19/00—Investigating materials by mechanical methods
    • G01N19/02—Measuring coefficient of friction between materials
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/40—Coefficient of friction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/05—Big data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2756/00—Output or target parameters relating to data
    • B60W2756/10—Involving external transmission of data to or from the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

Procédé de traitement de données de friction de pneus de véhicules sur des segments de route, mis en œuvre par un système de traitement comprenant au moins un calculateur et une interface de communication à distance avec une pluralité de véhicules, le procédé comprenant : - l’acquisition, de la pluralité de véhicules, de données de friction de pneus des véhicules sur une pluralité de segments de route, chaque donnée de friction comprenant au moins : - un coefficient de friction maximal disponible pour le véhicule sur le segment de route, et - des informations relatives au segment de route, - l’établissement, pour chaque segment de route, d’une distribution des données de frictions obtenues de la pluralité de véhicules pour ledit segment de route, et - la détermination d’une pluralité de types de route, chaque type de route comprenant un ensemble de segments de route, à partir d’une mesure de similitude entre les distributions de données de friction obtenues pour chaque segment de route. Figure 1

Description

Détermination d’un coefficient de friction pour un véhicule sur une route
La présente invention concerne le domaine de la friction de pneus sur la route et plus particulièrement du traitement de données de friction pour fournir un coefficient de friction maximal à un véhicule circulant sur une route.
Le coefficient de friction de pneus de véhicule représente la résistance au mouvement qui se produit entre la surface de contact des pneus sur le sol et le sol lui-même.
Celui-ci influence significativement la stabilité et la manœuvrabilité du véhicule. Par exemple, lorsque le coefficient de friction d’un sol donné pour un véhicule donné est faible, la distance de freinage dudit véhicule sera plus importante que pour le même véhicule sur un autre sol avec un coefficient de friction donné plus fort. En l’occurrence ici, le coefficient de friction représentera la résistance entre le pneu et la route.
Connaître le coefficient de friction est donc intéressant dans le contrôle du véhicule et particulièrement dans le cas de voitures autonomes. En effet, ce coefficient de friction peut être par exemple utilisé par les systèmes de sécurité du véhicule tels que l’ABS ou l’ESP. Sa prise en compte améliore incontestablement la tenue de route du véhicule et, par extension, la sécurité des passagers.
En réalité, il est difficile d’estimer ce coefficient puisque l’on ne peut le mesurer de façon précise que lors de situations nécessitant des niveaux significatifs d'excitation dynamique telles qu’un freinage brusque, une forte accélération ou un virage par exemple. Dans des conditions traditionnelles de circulation, il est donc compliqué d’avoir une information de qualité sur le coefficient de friction, d’autant plus que celui-ci varie en fonction de différents facteurs et que toutes les voitures ne sont pas équipées pour mesurer la friction.
Un grand nombre de méthodes embarqués ont été proposées pour estimer le potentiel de frottement des pneus sur la route dans le véhicule. Parmi celles-ci, les solutions basées sur les données de bus CAN disponibles sont particulièrement pertinentes en raison de leur faible coût et de la faisabilité de leur mise en œuvre. Cependant, ces approches ont du mal à fournir des estimations fiables du coefficient de friction dans des conditions de conduite quotidiennes et régulières. Des solutions utilisant des capteurs supplémentaires ont également été proposées. Certains exemples sont l'utilisation de microphones ou d'accéléromètres montés à proximité ou à l'intérieur du pneu. Cependant, ces solutions requièrent l'utilisation de capteurs ne faisant pas partie de l'équipement standard des véhicules. En outre, la plupart d’entre elles s’appuient sur des modèles d’apprentissage pour traduire la valeur mesurée par le capteur (l’accélération pour l’accéléromètre par exemple) en une valeur de coefficient de friction de façon plus fiable. En revanche, lorsque le capteur mesure une valeur non prévue par les conditions d’apprentissage du modèle, l’estimation du coefficient de friction correspondante est biaisée. De manière générale, avec ou sans modèle d’apprentissage, ces solutions représentent un coût additionnel non désiré sur le véhicule.
Plus récemment, des méthodes basées sur le traitement d’un grand nombre de données de friction de véhicules ont été proposées. Elles assignent à des segments de routes un coefficient de friction qui est une valeur moyenne du coefficient de friction collecté par un ensemble de véhicules sur un segment de route. Ces méthodes ne permettent donc pas d’estimer avec précision un coefficient de friction pour un véhicule en particulier.
Comme évoqué plus haut, le coefficient de friction est multifactoriel et en particulier, il dépend significativement du véhicule qui emprunte la route et plus particulièrement de ses pneus. Un état d’usure des pneus du véhicule peut sensiblement diminuer la valeur du coefficient de friction. Il existe ainsi un besoin de calculer un coefficient de friction de façon simple, continue, peu coûteuse et surtout propre à chaque véhicule.
Le but de l’invention est donc de pallier au moins en partie les problématiques exposées ci-dessus.
En particulier, un but de l’invention est de proposer un procédé permettant de caractériser des types de route en fonction de valeurs de coefficient de friction.
Un autre but de l’invention est de permettre la détermination d’un coefficient de friction d’un véhicule, qui soit propre au véhicule et au type de route qu’il emprunte.
A cet égard, l’invention a pour objet un procédé de traitement de données de friction de pneu de véhicule sur des segments de route, mis en œuvre par un système de traitement comprenant au moins un calculateur et une interface de communication à distance avec une pluralité de véhicules, le procédé comprenant:
- l’acquisition de la pluralité de véhicules, de données de friction de pneus des véhicules sur une pluralité de segments de route, chaque donnée de friction comprenantau moins :
- un coefficient de friction maximal disponible pour le véhicule sur le segment de route, et
- des informations relatives au segment de route,
- l’établissement, pour chaque segment de route, d’une distribution des données de frictions obtenues de la pluralité de véhicules pour ledit segment de route, et
- la détermination d’une pluralité de types de route, chaque type de route comprenant un ensemble de segments de route, à partir d’une mesure de similitude entre les distributions de données de friction obtenues pour chaque segment de route.
Avantageusement, le procédé de traitement de données comprend la réception de données relatives à des conditions météorologiques lors de l’acquisition des données de friction et l’établissement, pour chaque segment de route, d’une distribution de données de friction pour chacune d’une pluralité de conditions météorologiques.
Avantageusement, le procédé de traitement de données comprend la réception de données relatives à des conditions météorologiques lors de l’acquisition des données de friction et l’établissement, pour chaque segment de route, d’une distribution de données de friction pour chacune d’une pluralité de conditions météorologiques.
Selon un mode de réalisation, le procédé de traitement de données comprend en outre la caractérisation de chaque segment de route par identification, pour chaque segment de route, d’au moins une plage de valeurs des données de friction dans laquelle la densité relative d’occurrence des données de friction acquises pour ce segment de route est supérieure à un seuil déterminé et la mesure de similitude entre les distributions des données de friction est mise en œuvre sur les plages de valeurs de données de friction identifiées pour les segments de route.
Avantageusement, le procédé de traitement de données comprend pour chacun d’une pluralité de types de véhicules prédéfinis la détermination d’un comportement frictionnel local du type de véhicules pour respectivement chaque type de route, et chaque comportement frictionnel étant déterminé pour un type de véhicules prédéfini, à partir des comportements frictionnels locaux du type de véhicules pour chacun de la pluralité de types de routes.
Selon un mode de réalisation, le procédé de traitement de données comprend également l’enregistrement, dans une mémoire, d’une identification de chaque type de route déterminé et, pour chaque type de route, d’une identification de l’ensemble des segments de route appartenant audit type de route.
Avantageusement, sont également enregistrés dans la mémoire des comportements frictionnels de véhicules déterminés.
L’invention a également pour objet un procédé d’estimation d’un coefficient de friction, mis en œuvre par un système comprenant un calculateur, une interface de communication à distance et une mémoire dans lequel la mémoire stocke:
- une identification de chacun d’une pluralité de segments de route,
- une définition d’un ensemble de types de route, chaque type de route comprenant au moins un de la pluralité de segments de route, et
- une définition d’une pluralité de comportements frictionnels de véhicules, où chaque comportement frictionnel est défini par une gamme de valeurs de coefficients de friction maximaux associée à chaque type de route,
le procédé comprenant les étapes de:
- réception d’un véhicule d’au moins une information de localisation courante du véhicule, et d’au moins une information supplémentaire relative au véhicule,
- détermination, à partir des informations reçues du véhicule, d’un comportement frictionnel auquel appartient le véhicule et d’un type de route sur lequel se trouve le véhicule, et
- envoi au véhicule d’au moins une valeur de coefficient de friction maximal disponible pour le véhicule, déterminée à partir du comportement frictionnel et du type de route déterminés.
Selon un mode de réalisation, chaque comportement frictionnel est en outre défini pour une condition météorologique déterminée, dans lequel les informations reçues du véhicule sont horodatées, et le procédé d’estimation d’un coefficient de friction comprend en outre la détermination d’une condition météorologique associée auxdites informations reçues, et la détermination du comportement frictionnel auquel appartient le véhicule est mise en œuvre en fonction de ladite condition météorologique.
Avantageusement, l’information supplémentaire relative au véhicule comprend au moins une valeur de coefficient de friction maximal disponible et une information de localisation du véhicule associée.
Selon un mode de réalisation, les comportements frictionnels stockés dans la mémoire sont définis respectivement pour chacun d’une pluralité de types de véhicules, et l’information supplémentaire relative au véhicule comprend une donnée d’identification du type du véhicule.
Par ailleurs, l’invention fait également état d’un produit programme d’ordinateur comprenant des instructions de code pour la mise en œuvre des procédés de traitement de données et d’estimation d’un coefficient de friction lorsqu’ils sont mis en œuvre par un calculateur.
Elle se décline en outre sous la forme d’un système de traitement comprenant un calculateur, une interface de communication à distance et une mémoire, adapté pour la mise en œuvre des procédés de traitement de données et d’estimation d’un coefficient de friction.
L’invention propose donc un procédé de traitement de données de friction de pneu dans le but de créer des comportements frictionnels caractéristiques de différents véhicules sur différents types de route. A l’aide de ces comportements, l’invention propose également un procédé permettant d’estimer un coefficient de friction pour un véhicule sur une route.
Ainsi, l’estimation de coefficient de friction selon l’invention est continue, plus fiable, moins coûteuse et adaptée à chaque véhicule même si le véhicule n’est pas capable de mesurer sa friction. Elle se base sur une méthode novatrice permettant de faire ressortir la notion de comportement frictionnel pour un véhicule sur la route.
Description des dessins
D’autres caractéristiques, détails et avantages apparaîtront à la lecture de la description détaillée ci-après, et à l’analyse des dessins annexés, sur lesquels:
présente un procédé de traitement de données de friction selon un mode de réalisation.
présente un système d’acquisition de données de friction selon un mode de réalisation.
présente une distribution de données de friction sur un segment de route selon un premier mode de réalisation.
présente une distribution de données de friction sur un segment de route selon un second mode de réalisation.
présente un mode de réalisation de la détermination d’une pluralité de types de route.
présente un système pour la mise en œuvre d’un procédé d’estimation de coefficient de friction de véhicule.
présente un procédé d’estimation de coefficient de friction de véhicule mis en œuvre dans le système de la figure 6.
Description des modes de réalisation de l’invention
Il est maintenant fait référence à la et à la [Fig. 2]. Elles représentent respectivement un procédé de traitement de données de friction d’une pluralité de véhicules acquises sur une pluralité de segments de route, et un système pour acquérir les données de friction sur la pluralité de segments de route et en faire le traitement. Ce traitement permet en premier lieu de déterminer des types de routes en fonction des données de friction des véhicules.
Ce procédé est mis en œuvre par un système de traitement 1 comprenant un calculateur 2, une mémoire 4 et une interface de communication à distance 3 avec une pluralité de véhicules 5. Le calculateur 2 peut être par exemple un processeur, un microprocesseur ou encore un microcontrôleur. La mémoire 4 comprend les instructions de code exécutées par le calculateur 2. L’interface de communication à distance 3 communique par un réseau de télécommunication type WIFI, 3G, 4G, LTE, Bluetooth etc. La pluralité de véhicules 5 est ainsi capable de communiquer avec l’interface de communication à distance 3 du système de traitement 1. Par ailleurs, la pluralité de véhicules 5 est également capable de mesurer le comportement dynamique de ses pneus, par exemple au moyen de l’utilisation de capteurs additionnels logés directement dans et/ou sur le pneu.
Ainsi, l’étape 100 du procédé, mise en œuvre par le calculateur 2, comprend l’acquisition de données de friction de pneus 6 des véhicules 5 sur une pluralité de segments de route. Chaque donnée de friction 6 comprend au minimum un coefficient de friction maximal disponible pour le véhicule sur le segment de route, des informations relatives au segment de route et des informations du véhicule 5 qui envoie ces données. Le coefficient de friction maximal disponible correspond à la valeur de coefficient de friction la plus importante mesurée par le véhicule 5 sur le segment de route concerné. Avantageusement, dans les données de friction, une valeur de glissement optimal est associée à chaque coefficient de friction maximal.
Les informations de véhicules comprennent au moins un identifiant unique du véhicule 5 permettant au système de traitement 1 de le retrouver parmi la pluralité de véhicules 5. L’identifiant unique de véhicule peut par exemple être son VIN (Vehicule Identification Number).
Concernant les informations relatives au segment de route, elles peuvent par exemple comprendre la position GPS du segment de route. Cette position GPS peut être une position GPS horodatée.
Chaque donnée de friction 6 est ainsi transmise vers l’interface de communication 3 du système de traitement 1 par les véhicules 5 lorsqu’ils se déplacent sur des segments de route et qu’ils prennent des mesures.
Une fois les données de friction 6 recueillies par le système de traitement, l’étape 110 comprend l’établissement, par le calculateur 2, pour chaque segment de route, d’une distribution des données de frictions 6 obtenues de la pluralité de véhicules 5 pour le segment de route concerné.
Ainsi, selon un mode de réalisation, les données de frictions 6 ne comprennent que le coefficient de friction maximal et chaque segment de route est représenté par une distribution des coefficients de friction maximaux mesurés par les véhicules 5 qui ont roulé dessus, la distribution des coefficients de friction pour chaque segment de route comprenant avantageusement le nombre d’occurrences correspondant à chaque valeur de coefficient de friction maximal. Un exemple de distribution de données de friction ne comprenant que des coefficients de frictions maximaux sur un segment de route est représenté sur la figure 3. En effet, sur cette figure, l’axe f correspond à la valeur des coefficients de frictions maximaux et l’axe d à leur nombre d’occurrences sur le segment de route r.
En variante, lorsque le coefficient de friction maximal est associé à un glissement optimal, la distribution des données de friction est réalisée dans l’espace coefficient de friction maximal, glissement optimal, c’est-à-dire que chaque couple (coefficient de friction maximal, glissement optimal) correspondant à un véhicule sur le segment de route donné est représenté par un point dans cet espace. Un exemple de distribution des données de friction selon ce mode de réalisation est représenté sur la figure 4. L’axe f correspond toujours à la valeur des coefficients de frictions maximaux et l’axe s correspond à leur glissement optimal associé sur le segment de route r.
Avantageusement, à chaque donnée de friction 6 est associée une condition météorologique, parmi une pluralité de conditions météorologiques. C’est-à-dire que lorsque le système de traitement 1 reçoit une donnée de friction 6, il lui associe la condition météorologique du moment et du lieu où la donnée de friction 6 a été mesurée. Par exemple, si le système 1 reçoit une donnée de friction 6 comprenant une position GPS horodatée, il est capable d’assigner une condition météorologique à cette donnée de friction 6 puisqu’il connaît l’heure et le lieu de la mesure. Ainsi, il peut par exemple interroger une base de données météorologiques lui permettant d’obtenir la condition météorologique correspondant à l’heure et à l’endroit où le véhicule a acquis la donnée de friction. Selon un autre mode de réalisation, la condition météorologique est reçue du véhicule 5 avec la donnée de friction 6 puis ensuite assignée à la donnée de friction 6 par le système de traitement 1. Par exemple, la pluralité de conditions météorologiques comprend les conditions: sèche, mouillée, très mouillée, verglacée, neigeuse.
Ainsi, dans un mode de réalisation comprenant les conditions météorologiques, le calculateur 2 génère pour chaque segment de route une pluralité de distributions de données de friction correspondant à des conditions météorologiques respectives, chaque distribution de données de friction ne comportant que les données de friction 6 acquises pour une même condition météorologique. Un exemple de ce mode de réalisation est représenté en figure 3 où il est montré plusieurs distributions de données de friction définies chacune pour une condition météorologique différente, cette dernière étant représenté par l’axe w.
L’étape 120 comprend la détermination d’une pluralité de types de route, à partir des distributions de chaque segment de route, chaque type de route comprenant un ensemble de segments de route. Pour ce faire, le calculateur 2 réalise une mesure de similitude entre les distributions de chaque segment de route, et regroupe entre eux les segments de route ayant des distributions similaires pour former un type de route.
Selon un premier exemple de réalisation de cette étape, dans le cas où les données de friction 6 des véhicules 5 comprennent un coefficient de friction maximal disponible pour le véhicule mais pas de valeur de glissement optimal associée, la mesure de similitude entre les distributions des segments de route est mise en œuvre par exemple à partir des valeurs moyennes et des écarts types de chaque distribution. D’autres paramètres décrivant les distributions tels que l’asymétrie, le kurtosis et des méthodes plus complexes telles que le test de Kolmogorov-Smirnov peuvent également être utilisés pour la mesure de similitude entre les distributions.
En référence à , selon un autre exemple de réalisation avantageux, dans le cas où les données de friction reçues à l’étape 100 comprennent un coefficient de friction maximal disponible pour un véhicule sur le segment de route et la valeur de glissement optimale associée (axes f et s), l’étape 120 se décompose en deux étapes 121 et 122.
L’étape 121 comprend la caractérisation de chaque distribution de chaque segment de route (r1, r2 et r3), par l’identification d’au moins une plage de valeurs de données de friction 6 (i.e. coefficient de friction maximal, glissement optimal) pour laquelle la densité relative d’occurrence des données de frictions 6 est supérieure à un seuil déterminé. Cette étape peut être mise en œuvre par un algorithme de groupement basé sur une grille de densité de l’espace des données de friction, comme représenté par exemple sur la figure 5. Ce type d’algorithme réalise un partitionnement de l’espace des données de friction selon une grille commune pour tous les segments de route, puis, pour chaque segment de route, sont sélectionnées les cases de la grille pour lesquelles la densité d’occurrence des données de friction est supérieure au seuil. Sur la figure 5, les cases de la grille représentées en noir sont celles où l’occurrence des données de frictions 6 est supérieure au seuil fixé. Chaque distribution de chaque segment est formée par l’ensemble des cases de la grille (ou plages de valeurs des données de friction) sélectionnées.
L’étape 122 comprend ensuite la détermination de la pluralité de types de route par regroupement des segments de route à partir des similitudes existantes entre l’ensemble de plages de valeurs de données de friction sélectionnées pour chaque segment de route. Pour ce faire, chaque segment de route est représenté sous la forme d’un graphe où chaque nœud du graphe représente une des cases de la grille de l’étape précédente. Le calcul de similarité entre des distributions de segments de route peut être mis en œuvre par un algorithme de calcul de similarité entre graphes tel que Graph similarity scoring and matching (Laura A. Zager, George C. Verghese) ou encore Fast Parallel Algorithms for Graph Similarity and Matching (Georgios Kollias, Madan Sathe, Olaf Schenk, Ananth Grama).
Dans le cas considérant les conditions météorologiques (axe w), chacun des segments de route comprend une pluralité de distributions de données de friction définies pour une pluralité de conditions météorologiques mais le procédé reste le même. La mesure de similitude du calculateur 2 est alors établie à partir de l’ensemble des distributions de données de chaque segment.
Le procédé de traitement de données de friction a permis d’obtenir, dans la description qui précède, une pluralité de types de route regroupant chacun une pluralité de segments de route. La seconde partie du procédé de traitement décrit ci-après permet de définir un ensemble de comportements frictionnels de véhicules pour la pluralité de types de routes.
Dans la suite, le comportement frictionnel est défini comme un ensemble de gammes de valeurs de coefficients de friction maximaux associées respectivement à chaque type de route de la pluralité de types de route, les comportements frictionnels étant élaborés de sorte que chaque véhicule corresponde à au moins un comportement frictionnel, qui permet de déduire une valeur de coefficient de friction maximale pour le véhicule sur un type de route donnée.
Ainsi, l’étape 130 du procédé comprend la définition de l’ensemble de comportements frictionnels de véhicules pour la pluralité de types de route et est présenté selon deux modes de réalisations distincts.
Dans un premier mode de réalisation, la définition des comportements frictionnels est mise en œuvre en identifiant une pluralité de groupes de véhicules 5 présentant, sur chaque type de route de la pluralité de types de route, des valeurs de coefficients de friction maximaux similaires.
Les bornes de la gamme de valeurs de coefficients de friction maximaux associés à un type de route pour un groupe de véhicules 5 sont déterminées à partir des valeurs des coefficients de friction maximaux pour ce type de route des véhicules du groupe, par exemple elles peuvent correspondre aux valeurs extrêmes de ces coefficients au sein du groupe de véhicules.
L’ensemble des gammes de valeurs de coefficients de friction maximaux associées à chaque type de route de la pluralité de types de route pour un groupe de véhicules 5 représente le comportement frictionnel du groupe de véhicules 5.
Pour chaque type de route, il existe une pluralité de gammes de coefficients de friction maximaux pour un groupe de véhicules 5 lorsque les données de frictions 6 sont associées à une pluralité de conditions météorologiques, chaque gamme correspondant à une condition météorologique. Ainsi, dans le comportement frictionnel d’un groupe de véhicules 5, chaque gamme de coefficients de frictions maximaux est également définie pour une condition météorologique.
Dans un deuxième mode de réalisation, les comportements frictionnels de véhicules sont déterminés à partir de types de véhicules prédéfinis. Un type prédéfini de véhicules comprend au moins l’un parmi les éléments suivants et toutes les combinaisons possibles d’éléments entre eux: marque du véhicule, modèle du véhicule, gamme du véhicule (exemple SUV, citadine, 4x4, etc.), année de mise en circulation du véhicule, poids du véhicule à vide, poids du véhicule chargé, poids du véhicule au moment où il prend la route, âge des pneus avant et arrière, largeur des pneus, type de pneus (été, hiver, etc). Les éléments suivants sont préférés pour établir les types de véhicules : modèle du véhicule, poids du véhicule au moment où il prend la route, âge des pneus, largeur des pneus et type des pneus.
Dans ce mode de réalisation, chaque véhicule 5 envoie des informations de véhicules permettant au système de traitement d’associer ledit véhicule 5 à un type de véhicules prédéfini.
Les informations de véhicules 5 peuvent comprendre les éléments de types prédéfinis listés ci-dessus. Elles peuvent aussi comprendre un identifiant unique du véhicule, par exemple le VIN. L’identifiant unique du véhicule 5 peut permettre au système de traitement 1 de retrouver les éléments de types prédéfinis du véhicule 5 lorsque ce dernier ne les lui a pas envoyées en interrogeant une base de données par exemple. En fonction de la définition des types de véhicules, un véhicule 5 peut donc appartenir à plusieurs types de véhicules prédéfinis et correspondre à plusieurs comportements frictionnels.
De cette façon, le calculateur 2 identifie, pour chacun des types de route de la pluralité de types de routes, un comportement frictionnel local pour un type prédéfini de véhicules. Le comportement frictionnel local étant défini comme une gamme de valeurs de coefficients de friction maximaux des véhicules 5 appartenant à un type prédéfini de véhicules sur un type de route de la pluralité de types de route. Selon un exemple non limitatif, les bornes de la gamme de valeurs de coefficients de friction maximaux d’un comportement frictionnel pour un type de route peuvent être les extremums des coefficients de friction maximaux de véhicule 5 du type prédéfini sur le type de route concerné. L’ensemble des comportements frictionnels locaux associés à un type prédéfini de véhicules sur la pluralité de types de route forme alors le comportement frictionnel du type prédéfini de véhicules.
Par ailleurs, lorsque les données de frictions 6 sont associées à une condition météorologique, il existe, pour chaque type de route, une pluralité de gammes de coefficients de friction maximaux pour un type prédéfini de véhicules. Ainsi, dans le comportement frictionnel d’un type prédéfini de véhicules, chaque gamme de coefficients de frictions maximaux est également définie par une condition météorologique.
Le procédé de traitement de données a ainsi établi, dans une deuxième partie, un ensemble de comportements frictionnels de véhicules sur la pluralité de types de route. La troisième et dernière partie de ce procédé permet alors de stocker l’ensemble de comportements frictionnels dans une mémoire en association avec la pluralité de types de routes.
Durant une étape 140, le calculateur 2 enregistre dans une mémoire une identification de chaque type de route de la pluralité de types de route et, pour chaque type de route, une identification de l’ensemble des segments de route appartenant audit type de route. De cette façon, il est possible de retrouver à partir d’un identifiant de segment de route, le type de route auquel il appartient. Chaque type de route est donc associé aux segments de route qu’il comprend dans la mémoire. La mémoire considérée peut être la mémoire 4 contenant les instructions de code ou une autre mémoire.
Ensuite, l’étape 150 comprend l’association, dans la mémoire, entre les comportements frictionnels de véhicules définis précédemment et les segments et les types de route déjà présents dans ladite mémoire. Deux mises en œuvre de l’étape 150 sont présentées ci-dessous, respectivement lorsque les comportements frictionnels de véhicules ont étés définis à partir de groupes de véhicules ou à partir de types prédéfinis de véhicules.
Selon un premier mode de réalisation, le calculateur 2 enregistre dans la mémoire les comportements frictionnels établis pour chaque groupe de véhicules, le calculateur 2 associe ainsi, à chaque gamme de valeur de coefficients de friction maximaux d’un comportement frictionnel, l’identifiant du type de route correspondant à la gamme de coefficients.
Il est donc possible, à partir d’au moins une valeur de friction d’un véhicule 5 et d’une information de localisation du segment de route où a été mesurée cette valeur, de retrouver le comportement frictionnel du véhicule 5 sur la pluralité de types de route.
Selon un deuxième mode de réalisation, le calculateur 2 enregistre dans la mémoire chaque comportement frictionnel établi pour chaque type prédéfini de véhicules, le calculateur 2 associe ainsi à chaque gamme de valeur de coefficients de friction maximaux l’identifiant du type de route correspondant à la gamme de coefficients et un identifiant du type prédéfini de véhicules.
Il est donc possible, à partir d’un identifiant d’un type prédéfini d’un véhicule 5, de retrouver le comportement frictionnel du véhicule 5 sur la pluralité de types de route.
Dans le mode de réalisation où les gammes de valeur de coefficients de friction maximaux ont été définies pour une pluralité de conditions météorologiques, une identification de la condition météorologique est également enregistrée dans la mémoire pour chaque gamme de valeur.
L’invention propose également un procédé d’estimation d’un coefficient de friction. Ce procédé est décrit en référence à la figure 6 représentant le système 10 dans lequel est mis en œuvre le procédé et à la figure 7 représentant les étapes qui le composent.
En référence à la figure 6, un système 10 comprend un calculateur 20, une interface de communication à distance 30 et une mémoire 40, le système étant configuré pour envoyer au moins une valeur de coefficient de friction 80 au véhicule 50. Pour ce faire, la mémoire 40 du système 10 comprend une identification de chacun d’une pluralité de segments de route et une définition d’un ensemble de types de route. Chaque type de route comprenant au moins un de la pluralité de segments de route. La mémoire stocke également une pluralité de comportements frictionnels de véhicules, chaque comportement frictionnel de véhicules étant défini par une gamme de coefficients de friction maximaux associée à chaque type de route.
Avantageusement, les comportements frictionnels de véhicules peuvent être en outre définis pour une condition météorologique déterminée et/ou un type de véhicules prédéfini. Les types prédéfinis de véhicules et les conditions météorologiques comprennent les mêmes éléments que ceux présentés précédemment dans la description du procédé de traitement de données de friction. Par ailleurs, le système 10 peut être le même système que celui ayant mis en œuvre le procédé de traitement de données décrit ci-avant, ou un autre système. Ainsi, le calculateur 20 peut être par exemple un processeur, un microprocesseur ou encore un microcontrôleur. L’interface de communication à distance 3 communique par exemple par un réseau de télécommunication type WIFI, 3G, 4G, LTE, Bluetooth etc.
Ainsi, en référence à la figure 7, l’étape 200 du procédé d’estimation comprend la réception à travers l’interface de communication 30 du système 10 d’au moins une information de localisation courante 70 du véhicule 50 et d’au moins une information supplémentaire 60 relative au véhicule 50.
Avantageusement, une information de localisation courante 70 comprend une position GPS. La position GPS peut être horodatée. Par ailleurs, l’information de localisation courante 70 peut également comprendre une condition météorologique de la route si le véhicule est capable de la déterminer.
Dans une premier mode de réalisation, une information supplémentaire 60 peut comprendre une valeur de coefficient de friction maximal disponible associée à une information de localisation.
Dans un deuxième mode de réalisation, l’information supplémentaire 60 comprend des informations permettant d’identifier au moins un type prédéfini de véhicules parmi une pluralité de types prédéfinis de véhicules. L’information supplémentaire 60 peut comprendre une donnée d’identification du véhicule, par exemple son VIN. En variante, l’information supplémentaire peut comprendre une ou plusieurs des informations suivantes relatives au véhicule: marque du véhicule, modèle du véhicule, gamme du véhicule (exemple SUV, citadine, 4x4, etc.), année de mise en circulation du véhicule, poids du véhicule à vide, poids du véhicule chargé, poids du véhicule au moment où il prend la route, âge des pneus avant et arrière, largeur des pneus, type de pneus (été, hiver, etc).
Ces informations 60 et 70 sont ensuite utilisées par le système 10 dans la suite du procédé pour déterminer le comportement frictionnel du véhicule 50 et le type de route correspondant à chaque information de localisation courante 70.
En effet, dans l’étape 210, le calculateur 20 détermine, à partir de chaque information de localisation courante 70 reçue du véhicule 50, le segment de route correspondant à ladite information de localisation courante 70 du véhicule et, identifie le type de route auquel il appartient.
Par exemple, dans le cas où une information de localisation courante 70 comprend une position GPS, le système 10 est capable de déterminer à quel segment de route la position GPS fait référence à l’aide des identifiants de segments de route contenus dans la mémoire 40. Il est alors capable d’identifier le type de route comprenant le segment de route déterminé dans la mesure où chaque identifiant de types de route est associé aux identifiants des segments de route qu’il comprend dans la mémoire 40.
Dans un mode de réalisation avantageux, lorsque la position GPS est horodatée, le système 10 est également capable de retrouver la condition météorologique du type de route correspondant à l’information de localisation courante 70 en interrogeant une base de données météorologique.
Le calculateur 20 détermine ensuite, dans une étape 220, le comportement frictionnel du véhicule 50 à partir de l’information supplémentaire 60.
Selon un premier mode de réalisation, le véhicule 50 est capable d’acquérir le comportement dynamique de ses pneus et une information supplémentaire 60 qu’il envoie à l’interface de communication 30 comprend une valeur de coefficient de friction maximal disponible du véhicule 50 ainsi que la position GPS sur laquelle elle a été mesurée. Le système 10 peut retrouver le type de route sur laquelle la valeur a été mesurée, et donc identifier la gamme de valeurs de coefficients de friction maximaux à laquelle elle appartient sur le type de route concerné. La gamme de valeurs de coefficients de friction maximaux sur le type de route concerné appartient à un comportement frictionnel que le système est donc capable de déterminer.
Selon un second mode de réalisation, le véhicule 50 envoie une information supplémentaire 60 comprenant un identifiant unique de véhicule, par exemple le VIN du véhicule 50, au système 10 par l’interface de communication 30. Le VIN du véhicule 50 est utilisé par le système 10 pour lui permettre d’identifier le véhicule 50 à un type prédéfini de véhicules parmi la pluralité de types prédéfinis de véhicules. En effet, le système 10 est capable de retrouver des éléments de types prédéfinis de véhicules à partir du VIN et donc de déterminer le type prédéfini de véhicule du véhicule 50. Avantageusement, le type prédéfini de véhicules associé par le système 10 au véhicule 50 combine l’ensemble des éléments de types prédéfinis de véhicules extraits à partir du VIN.
Selon une première variante du second mode de réalisation, le véhicule 50 envoie une information supplémentaire 60 comprenant les éléments du type prédéfini de véhicules auquel il appartient à l’interface de communication 30. Dans ce cas, le système 10 détermine le type prédéfini du véhicule 50 à partir de ces éléments.
Dans une seconde variante, l’information supplémentaire 60 comprend à la fois un identifiant du véhicule 50 et des éléments de types prédéfinis du véhicule 50. Dans ce cas, le système 10 extrait les éléments de types prédéfinis à partir de l’identifiant du véhicule 50 et les ajoute aux autres éléments envoyés par le véhicule pour déterminer son type prédéfini.
Ainsi, dans le second mode de réalisation, le système 10 détermine le comportement frictionnel du véhicule 50 correspondant au type prédéfini du véhicule qu’il a déterminé.
Si les comportements frictionnels ont été établis en tenant compte de valeurs de coefficients de friction pour des conditions météorologiques déterminées, l’information de condition météorologique obtenue pour le véhicule est également utilisée pour identifier le comportement frictionnel du véhicule.
Enfin, dans une étape 220, le système 10 renvoie au moins une valeur de coefficient de friction 80 au véhicule 50 correspondant à une valeur de coefficient de friction maximal de la gamme de valeur du comportement frictionnel associé au véhicule 50 pour le type de route correspondant à l’information de localisation courante 70. Ayant identifié le type de route correspondant à l’information de localisation courante 70 et ayant déterminé le comportement frictionnel du véhicule 50, le système 10 renvoie au véhicule 50 une valeur de la gamme de valeur de coefficients de friction maximaux du comportement frictionnel du véhicule 50 déterminé pour le type de route identifié. Cette valeur peut être par exemple une moyenne des valeurs de la gamme.
Lorsque le système 10 a accès à la condition météorologique du type de route de l’information de localisation courante 70, il renvoie au véhicule 50 une valeur de la gamme de valeur de coefficients de friction maximaux du comportement frictionnel du véhicule 50 définie pour cette même condition météorologique sur le type de route identifié.
Le procédé fonctionne de la même façon lorsque le véhicule 50 envoie plusieurs informations de localisations courantes 70. En l’occurrence, s’il envoie des informations de localisation 70 correspondant à des segments de routes futures par lesquels il va passer, le système 10 est capable d’estimer un coefficient de friction future pour le véhicule 50.
Cette solution fournit donc une estimation continue et précise des conditions de friction de la route qui tient compte des spécificités propres à chaque véhicule. Elle prend également en considération les différentes conditions météorologiques lorsque ces dernières sont disponibles. De cette façon, la méthode proposée est capable de s’adapter aux changements affectants tous les véhicules (météorologie et routes) ainsi qu’aux caractéristiques de frictions respectives de chacun d’entre eux sans ajouter de capteurs additionnels.

Claims (14)

  1. Procédé de traitement de données de friction de pneus de véhicules sur des segments de route, mis en œuvre par un système de traitement(1) comprenant au moins un calculateur (2) et une interface de communication à distance (3) avec une pluralité de véhicules (5), le procédé comprenant:
    - l’acquisition (100), de la pluralité de véhicules (5), de données de friction de pneus (6) des véhicules (5) sur une pluralité de segments de route, chaque donnée de friction (6) comprenantau moins :
    - un coefficient de friction maximal disponible pour le véhicule (5) sur le segment de route, et
    - des informations relatives au segment de route,
    - l’établissement (110), pour chaque segment de route, d’une distribution des données de frictions obtenues de la pluralité de véhicules (5) pour ledit segment de route, et
    - la détermination (120) d’une pluralité de types de route, chaque type de route comprenant un ensemble de segments de route, à partir d’une mesure de similitude entre les distributions de données de friction obtenues pour chaque segment de route.
  2. Procédé de traitement de données selon la revendication 1, comprenant en outre la réception de données relatives à des conditions météorologiques lors de l’acquisition des données de friction (6),
    et le procédé comprend l’établissement, pour chaque segment de route, d’une distribution de données de friction pour chacune d’une pluralité de conditions météorologiques.
  3. Procédé de traitement de données selon l’une quelconque des revendications précédentes, dans lequel les données de friction (6) comprennent en outre une valeur de glissement optimal associée au coefficient de friction maximal.
  4. Procédé de traitement de données selon l’une quelconque des revendications précédentes, comprenant en outre la caractérisation de chaque segment de route par identification, pour chaque segment de route, d’au moins une plage de valeurs des données de friction (6) dans laquelle la densité relative d’occurrence des données de friction acquises pour ce segment de route est supérieure à un seuil déterminé, et la mesure de similitude entre les distributions des données de friction est mise en œuvre sur les plages de valeurs de données de friction identifiées pour les segments de route.
  5. Procédé de traitement de données selon l’une quelconque des revendications précédentes, dans lequel les données de friction (6) acquises de la pluralité des véhicules (5) comprennent en outre des informations relatives auxdits véhicules (5), le procédé comprenant en outre, à partir des types de routes déterminés et des données de friction (6) acquises de la pluralité de véhicules (5), la détermination (130) d’une pluralité de comportements frictionnels de véhicules, chaque comportement frictionnel étant défini par une gamme de valeurs de coefficients de friction maximaux associée à chaque type de route.
  6. Procédé de traitement de données selon la revendication 5, comprenant en outre, pour chacun d’une pluralité de types de véhicules prédéfinis:
    la détermination d’un comportement frictionnel local du type de véhicules pour respectivement chaque type de route, et chaque comportement frictionnel étant déterminé pour un type de véhicules prédéfini, à partir des comportements frictionnels locaux du type de véhicules pour chacun de la pluralité de types de routes.
  7. Procédé de traitement de données selon l’une quelconque des revendications précédentes, comprenant en outre l’enregistrement (140), dans une mémoire, d’une identification de chaque type de route déterminé et, pour chaque type de route, d’une identification de l’ensemble des segments de route appartenant audit type de route.
  8. Procédé de traitement de données selon la revendication 7 en combinaison avec la revendication 5 ou 6, comprenant en outre l’enregistrement (150), dans la mémoire, des comportements frictionnels de véhicules déterminés.
  9. Procédé d’estimation d’un coefficient de friction, mis en œuvre par un système (10) comprenant un calculateur (20), une interface de communication à distance (30), et une mémoire (40),
    dans lequel la mémoire stocke:
    - une identification de chacun d’une pluralité de segments de route,
    - une définition d’un ensemble de types de route, chaque type de route comprenant au moins un de la pluralité de segments de route, et
    - une définition d’une pluralité de comportements frictionnels de véhicules, où chaque comportement frictionnel est défini par une gamme de valeurs de coefficients de friction maximaux associée à chaque type de route,
    le procédé comprenant les étapes de:
    - réception (200) d’un véhicule (50) d’au moins une information de localisation courante (70) du véhicule (50), et d’au moins une information supplémentaire (60) relative au véhicule(50),
    - détermination (210), à partir des informations reçues du véhicule (60, 70), d’un comportement frictionnel auquel appartient le véhicule (50) et d’un type de route sur lequel se trouve le véhicule (50), et
    - envoi (220) au véhicule (50) d’au moins une valeur de coefficient de friction maximal disponible (80) pour le véhicule (50), déterminée à partir du comportement frictionnel et du type de route déterminés.
  10. Procédé selon la revendication 9, dans lequel chaque comportement frictionnel est en outre défini pour une condition météorologique déterminée,
    dans lequel les informations (60, 70) reçues du véhicule (50) sont horodatées, et le procédé comprend en outre la détermination d’une condition météorologique associée auxdites informations (60, 70) reçues, et la détermination du comportement frictionnel auquel appartient le véhicule (50) est mise en œuvre en fonction de ladite condition météorologique.
  11. Procédé selon la revendication 9 ou 10, dans lequel l’information supplémentaire (60) relative au véhicule (50) comprend au moins une valeur de coefficient de friction maximal disponible et une information de localisation du véhicule associée.
  12. Procédé selon la revendication 9 ou 10, dans lequel les comportements frictionnels stockés dans la mémoire sont définis respectivement pour chacun d’une pluralité de types de véhicules, et l’information supplémentaire (60) relative au véhicule (50) comprend une donnée d’identification du type du véhicule.
  13. Produit programme d’ordinateur, comprenant des instructions de code pour la mise en œuvre du procédé selon l’une quelconque des revendications 1 à 8 ou 9 à 12, quand il est mis en œuvre par un calculateur.
  14. Système de traitement comprenant un calculateur, une interface de communication à distance et une mémoire, adapté pour la mise en œuvre du procédé selon l’une quelconque des revendications 1 à 8 ou 9 à 12.
FR1912699A 2019-11-14 2019-11-14 Détermination d’un coefficient de friction pour un véhicule sur une route Active FR3103303B1 (fr)

Priority Applications (4)

Application Number Priority Date Filing Date Title
FR1912699A FR3103303B1 (fr) 2019-11-14 2019-11-14 Détermination d’un coefficient de friction pour un véhicule sur une route
PCT/EP2020/080869 WO2021094148A1 (fr) 2019-11-14 2020-11-04 Détermination d'un coefficient de friction pour un véhicule sur une route
CN202080078902.0A CN114730523B (zh) 2019-11-14 2020-11-04 确定车辆在道路上的摩擦系数
US17/774,652 US11667296B2 (en) 2019-11-14 2020-11-04 Determination of a coefficient of friction for a vehicle on a road

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1912699 2019-11-14
FR1912699A FR3103303B1 (fr) 2019-11-14 2019-11-14 Détermination d’un coefficient de friction pour un véhicule sur une route

Publications (2)

Publication Number Publication Date
FR3103303A1 true FR3103303A1 (fr) 2021-05-21
FR3103303B1 FR3103303B1 (fr) 2022-07-22

Family

ID=69743374

Family Applications (1)

Application Number Title Priority Date Filing Date
FR1912699A Active FR3103303B1 (fr) 2019-11-14 2019-11-14 Détermination d’un coefficient de friction pour un véhicule sur une route

Country Status (4)

Country Link
US (1) US11667296B2 (fr)
CN (1) CN114730523B (fr)
FR (1) FR3103303B1 (fr)
WO (1) WO2021094148A1 (fr)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3097504B1 (fr) * 2019-06-18 2021-09-17 Continental Automotive Procédé et dispositif de prédiction d’un coefficient de friction personnalisé pour un véhicule sur un segment routier
US11866052B2 (en) * 2021-11-17 2024-01-09 GM Global Technology Operations LLC Distributed computing system for determining road surface traction capacity
WO2023119091A1 (fr) * 2021-12-21 2023-06-29 Mobileye Vision Technologies Ltd. Système de détection et de signalement de point d'accès sans fil
CN116189447B (zh) * 2022-12-31 2024-03-19 竞速信息技术(廊坊)有限公司 一种基于大数据的路面摩擦分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110264300A1 (en) * 2008-09-19 2011-10-27 Ari Tuononen Friction estimation method
DE102013222634A1 (de) * 2013-11-07 2015-05-07 Volkswagen Aktiengesellschaft Verfahren zur Prognostizierung eines Fahrbahn-Reibungsbeiwerts sowie Verfahren zum Betrieb eines Kraftfahrzeugs
EP3206411A1 (fr) * 2016-02-11 2017-08-16 Volvo Car Corporation Agencement et procédé permettant de prédire le frottement d'une route dans un réseau routier
DE102017214026A1 (de) * 2017-08-11 2019-02-14 Robert Bosch Gmbh Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
DE102017222812A1 (de) * 2017-12-14 2019-06-19 Robert Bosch Gmbh Verfahren zum Einstellen einer Reibwert-Schlupf-Referenzkurve zum Betrieb eines Fahrzeugs und Verfahren zum Ermitteln von Parametern zum Einstellen einer Reibwert-Schlupf-Referenzkurve für ein Fahrzeug

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08258588A (ja) * 1995-03-27 1996-10-08 Mazda Motor Corp 車両における路面状態検出装置
US7646195B2 (en) * 2003-09-02 2010-01-12 Infineon Technologies Ag Apparatus and method for sensing rotation of a wheel
KR100793869B1 (ko) * 2005-12-17 2008-01-15 현대자동차주식회사 차량의 차간거리 제어 시스템
GB2472969B (en) * 2009-05-20 2011-06-29 Modulprodukter As Driving assistance device and vehicle system
US9156447B2 (en) * 2010-05-28 2015-10-13 GM Global Technology Operations LLC Methods and apparatus for a vehicle emergency control system
US9187099B2 (en) * 2013-10-17 2015-11-17 Richard M. Powers Systems and methods for predicting weather performance for a vehicle
US9475500B2 (en) 2014-11-12 2016-10-25 GM Global Technology Operations LLC Use of participative sensing systems to enable enhanced road friction estimation
US9340211B1 (en) 2014-12-03 2016-05-17 The Goodyear Tire & Rubber Company Intelligent tire-based road friction estimation system and method
US10614726B2 (en) * 2014-12-08 2020-04-07 Life Long Driver, Llc Behaviorally-based crash avoidance system
DE102015208429A1 (de) * 2015-05-06 2016-11-10 Continental Teves Ag & Co. Ohg Verfahren und Vorrichtung zur Erkennung und Bewertung von Fahrbahnreflexionen
CN107690402B (zh) * 2015-06-01 2020-06-23 沃尔沃卡车集团 驾驶员辅助系统
EP3106360B1 (fr) * 2015-06-16 2018-04-11 Volvo Car Corporation Procédé et agencement pour pneu permettant l'estimation de frottement sur la route
EP3330142B1 (fr) * 2015-07-27 2019-10-02 Nissan Motor Co., Ltd. Dispositif de commande de freinage et procédé de commande de freinage
US10442439B1 (en) * 2016-08-18 2019-10-15 Apple Inc. System and method for road friction coefficient estimation
JP6776058B2 (ja) * 2016-08-26 2020-10-28 シャープ株式会社 自律走行車両制御装置、自律走行車両制御システム及び自律走行車両制御方法
WO2018105399A1 (fr) * 2016-12-09 2018-06-14 日立オートモティブシステムズ株式会社 Appareil d'estimation d'état de mouvement de véhicule
US20180217050A1 (en) * 2017-01-30 2018-08-02 GM Global Technology Operations LLC Invasive active dynamic tests to determine surface coefficient of friction
US10752225B2 (en) * 2017-02-08 2020-08-25 Ford Global Technologies, Llc Determining friction data of a target vehicle
JP2018181035A (ja) * 2017-04-17 2018-11-15 株式会社ゼンリン 走行支援装置、走行支援方法およびそのためのデータ構造
US10814846B2 (en) * 2017-08-11 2020-10-27 Ford Global Technologies, Llc Traction control based on friction coefficient estimation
DE102017214030A1 (de) * 2017-08-11 2019-02-14 Robert Bosch Gmbh Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
DE102017222568A1 (de) * 2017-12-13 2019-06-13 Robert Bosch Gmbh Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
US10996679B2 (en) * 2018-04-17 2021-05-04 Baidu Usa Llc Method to evaluate trajectory candidates for autonomous driving vehicles (ADVs)
US11697418B2 (en) * 2018-09-06 2023-07-11 Waymo Llc Road friction and wheel slippage assessment for autonomous vehicles
US11465630B2 (en) * 2018-09-14 2022-10-11 Uatc, Llc Driving surface friction estimations using vehicle steering
US11427223B2 (en) * 2018-09-14 2022-08-30 Uatc, Llc Driving surface friction estimations for autonomous vehicles
FR3095510B1 (fr) * 2019-04-23 2021-03-19 Continental Automotive Procédé d’estimation d’un index représentatif du comportement frictionnel d’un véhicule sur une route
FR3097504B1 (fr) * 2019-06-18 2021-09-17 Continental Automotive Procédé et dispositif de prédiction d’un coefficient de friction personnalisé pour un véhicule sur un segment routier
US20210001861A1 (en) * 2019-07-05 2021-01-07 Byton North America Corporation Road type recognition
US11543343B2 (en) * 2019-09-05 2023-01-03 Volvo Car Corporation Road friction estimation
US11318947B2 (en) * 2019-12-23 2022-05-03 Volvo Car Corporation Estimating surface friction coefficients using rear-wheel steering excitations
MX2022010293A (es) * 2020-02-21 2023-01-04 Bluespace Ai Inc Metodo para evitar objetos durante la navegacion autonoma.
US20210316758A1 (en) * 2021-06-24 2021-10-14 Intel Corporation Proactive vehicle safety system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110264300A1 (en) * 2008-09-19 2011-10-27 Ari Tuononen Friction estimation method
DE102013222634A1 (de) * 2013-11-07 2015-05-07 Volkswagen Aktiengesellschaft Verfahren zur Prognostizierung eines Fahrbahn-Reibungsbeiwerts sowie Verfahren zum Betrieb eines Kraftfahrzeugs
EP3206411A1 (fr) * 2016-02-11 2017-08-16 Volvo Car Corporation Agencement et procédé permettant de prédire le frottement d'une route dans un réseau routier
DE102017214026A1 (de) * 2017-08-11 2019-02-14 Robert Bosch Gmbh Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
DE102017222812A1 (de) * 2017-12-14 2019-06-19 Robert Bosch Gmbh Verfahren zum Einstellen einer Reibwert-Schlupf-Referenzkurve zum Betrieb eines Fahrzeugs und Verfahren zum Ermitteln von Parametern zum Einstellen einer Reibwert-Schlupf-Referenzkurve für ein Fahrzeug

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KIM DAE JUNG ET AL: "A Comparative Study of Estimating Road Surface Condition Using Support Vector Machine and Deep Neural Networ", 2019 IEEE INTELLIGENT TRANSPORTATION SYSTEMS CONFERENCE (ITSC), IEEE, 27 October 2019 (2019-10-27), pages 1066 - 1071, XP033668312, DOI: 10.1109/ITSC.2019.8916965 *
ZIYUAN PU ET AL: "Time-Aware Gated Recurrent Unit Networks for Road Surface Friction Prediction Using Historical Data", ARXIV.ORG, CORNELL UNIVERSITY LIBRARY, 201 OLIN LIBRARY CORNELL UNIVERSITY ITHACA, NY 14853, 1 November 2019 (2019-11-01), XP081524469 *

Also Published As

Publication number Publication date
CN114730523A (zh) 2022-07-08
US20220388516A1 (en) 2022-12-08
CN114730523B (zh) 2024-07-23
US11667296B2 (en) 2023-06-06
WO2021094148A1 (fr) 2021-05-20
FR3103303B1 (fr) 2022-07-22

Similar Documents

Publication Publication Date Title
FR3103303A1 (fr) Détermination d’un coefficient de friction pour un véhicule sur une route
EP3635612B1 (fr) Procédé et système d'identification d'au moins un objet en déplacement
EP3655770A1 (fr) Méthode de détection de l'état de la route et du pneumatique
EP3986759B1 (fr) Procédé et dispositif de prédiction d'un coefficient de friction personnalisé pour un véhicule sur un segment routier
WO2019122695A1 (fr) Procede de gestion d'un peloton de camions a partir d'informations relatives aux pneumatiques equipant les camions dudit peloton
FR2995991A1 (fr) Procede de localisation de la position de roues equipees d'un boitier electronique integrant des moyens de mesure d'un parametre de fonctionnement de la dite roue
EP3760506B1 (fr) Procede de caracterisation de l'etat d'une route
EP2539683B1 (fr) Procede d'assistance a la conduite d'un vehicule
WO2007012771A2 (fr) Systeme de determination de la pression de gonflage de pneumatiques montes sur des roues avant et arriere d'un vehicule automobile
EP3458325A1 (fr) Procédé de proposition d'une vitesse de roulage
FR2967539A1 (fr) Procede de localisation des roues d'un vehicule equipe d'un systeme de surveillance de la pression des pneumatiques
FR3095510A1 (fr) Procédé d’estimation d’un index représentatif du comportement frictionnel d’un véhicule sur une route
WO2017198972A1 (fr) Procédé de détermination d'une marge d'adhérence anticipée pour un véhicule en situation de roulage
FR3063362A1 (fr) Procede d'estimation d'au moins un parametre caracterisant le fonctionnement d'un reseau de transport de passagers
WO2023227512A1 (fr) Procédé de détection d'un type de route parcourue par un véhicule équipé
FR2815712A1 (fr) Dispositif et procede pour detecter l'adherence d'un pneumatique de vehicule sur le sol, et leurs applications
EP4359278A1 (fr) Procede d'optimisation du contrôle dynamique du châssis d'un vehicule
FR3145730A1 (fr) Modélisation d’une situation de conduite pour guidage latéral d’un véhicule
FR3011793A1 (fr) Dispositif d'analyse de l'etat de voies de circulation de vehicules automobiles
WO2024188820A1 (fr) Estimation du rapport de glissement des pneumatiques pour les véhicules deux roues motrices ou quatre roues motrices à l'aide de filtres bayésiens
FR3138401A1 (fr) Procédé et dispositif de contrôle de système d’aide à la conduite d’un véhicule en fonction d’un niveau de performance des pneumatiques
FR3134629A1 (fr) Procédé de détermination d’un niveau de salissure d’une chaussée
FR3013835A1 (fr) Procede et dispositif d'estimation de la masse et/ou de la position du centre de gravite d'un chargement embarque dans un vehicule
CN116686023A (zh) 影像数据收集分析装置

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20210521

PLFP Fee payment

Year of fee payment: 3

PLFP Fee payment

Year of fee payment: 4

TP Transmission of property

Owner name: CONTINENTAL AUTOMOTIVE TECHNOLOGIES GMBH, DE

Effective date: 20230807

PLFP Fee payment

Year of fee payment: 5