JP2019123324A - 路面状態判別方法及び路面状態判別装置 - Google Patents

Abstract

【課題】少ない演算量で、路面判別を精度よく行う方法とその装置を提供する。【解決手段】路面状態判別装置１０を、タイヤの従動輪に装着されて従動輪加速度波形を検出する従動輪側加速度センサー１１と、駆動輪に装着されて駆動輪加速度波形を検出する駆動輪側加速度センサー２１と、従動輪加速度波形と駆動輪加速度波形とから、それぞれ、従動輪の特徴量と駆動輪の特徴量とを算出する特徴量算出手段１３，２３と、予め路面状態毎に求めておいた路面特徴量を記憶する記憶手段１５と、前記算出された特徴量と前記路面特徴量とから、従動輪と駆動輪の接している路面の状態を判別する手段１４，２４，１６とから構成するとともに、手段２４，１６では、ＤＲＹ路面とＩＣＥ路面との判別とＤＲＹ路面とＳＮＯＷ路面との判別、もしくは、ＤＲＹ路面とＩＣＥ・ＳＮＯＷ路面との判別を行い、手段１４，１６では、ＤＲＹ路面とＷＥＴ路面との判別を行うようにした。【選択図】図１

Description

本発明は、車両の走行する路面の状態を判別する方法とその装置に関する。

従来、走行中のタイヤ振動の時系列波形のデータのみを用いて路面状態を判別する方法として、タイヤの振動の時系列波形に窓関数をかけて抽出した時系列波形から算出される時間窓毎の特徴ベクトルである特定周波数帯域の振動レベルと、予め路面状態毎に求めておいたタイヤ振動の時系列波形から算出された時間窓毎の路面特徴量とから算出したＧＡカーネルなどの関数を用いて、路面状態がＤＲＹ/ＷＥＴ/ＳＮＯＷ/ＩＣＥのいずれかであるかを判別する方法が提案されている（例えば、特許文献１参照）。

特開２０１４−３５２７９号公報

ところで、従来の路面状態判別方法では、路面の判別に、ＤＲＹ路面とＤＲＹ路面以外の路面との判別等の「１対他」の判別を行っているため、他種の路面を１度に判別しようとすると、単純にその路面数分だけ演算が多くなることになる。このことが、計算の小型化を図る際には障害となる。
一方、他種の路面判別には、ＤＲＹ路面とＷＥＴ路面との判別等の「１対１」の判別方法がある。この「１対１」の判別方法は、上記の「１対他」の判別方法に比較して判別精度が高いものの、演算量が「１対他」の判別方法よりも多くなってしまう、といった問題点があった。

本発明は、従来の問題点に鑑みてなされたもので、少ない演算量で、路面判別を精度よくかつ確実に行うことのできる方法とその装置を提供することを目的とする。

本発明者らは、鋭意検討の結果、図９に示すように、ＤＲＹ路面とＩＣＥ路面とを比較すると、路面摩擦係数の低いＩＣＥ路面では、タイヤに駆動力が入ると、接地面におけるステックスリップ振動が発生するため、加速度波形の接地領域に高周波成分が発生するが、従動輪では、高周波成分の発生がないので、ＤＲＹ路面とＩＣＥ路面やＳＮＯＷ路面との判別については、駆動輪で行うことが好ましいことから、ＤＲＹ路面とＩＣＥ路面の判別や、ＩＣＥ路面と同様に、路面摩擦係数の低いＳＮＯＷ路面との判別については、駆動輪で行うことが好ましいことを見出し、本発明に到ったものである。
すなわち、本発明は、タイヤに装着された振動検出手段により検出した走行中のタイヤの振動の時間変化波形からタイヤの接している路面の状態を判別する方法であって、前記タイヤの従動輪に装着された振動検出手段と前記タイヤの駆動輪に装着された振動検出手段とにより前記従動輪の振動の時間変化波形である従動輪加速度波形と前記駆動輪の振動の時間変化波形である駆動輪加速度波形とを検出するステップと、前記従動輪加速度波形と前記駆動輪加速度波形とから、それぞれ、従動輪の特徴量と駆動輪の特徴量とを算出するステップと、前記算出された従動輪の特徴量と駆動輪の特徴量と、予め路面状態毎に求めておいた路面特徴量とから、前記従動輪と駆動輪の接している路面の状態をそれぞれ判別するステップとを備え、前記路面の状態を判別するステップでは、前記駆動輪特徴量を用いて、ＤＲＹ路面とＩＣＥ路面との判別とＤＲＹ路面とＳＮＯＷ路面との判別、もしくは、ＤＲＹ路面ともしくは、ＤＲＹ路面とＩＣＥ・ＳＮＯＷ路面との判別を行い、前記従動輪特徴量を用いてＤＲＹ路面とＷＥＴ路面との判別を行うことを特徴とする。
なお、ＩＣＥ・ＳＮＯＷ路面とは、ＩＣＥ路面、もしくは、ＳＮＯＷ路面、もしくは、氷雪路面のいずれかを指すものとする。
これにより、「１対他」の判別方法に比較して判別精度が高い「１対１」の判別方法を用いても、少ない演算量で、路面判別を精度よくかつ確実に行うことができる。

また、本発明は、前記特徴量が、経験的モード分解のアルゴリズムを用いて取得された固有振動モードにヒルベルト変換を行って抽出した、瞬時周波数と瞬時振幅のいずれか一方または両方のデータの分布の統計量であり、前記路面の状態を判別するステップでは、前記特徴量と前記予め路面状態毎に求めておいた特徴量とからカーネル関数を算出した後、前記算出されたカーネル関数を用いた識別関数の値から路面状態を判別することを特徴とする。
このように、タイヤの振動の時間変化波形から抽出する特徴量を、時間に依存しない統計量とすることで、演算量を大幅に削減することができるようにしたので、路面状態を速やかにかつ精度よく判別することができる。
なお、上記の路面状態毎の特徴量は、予め路面状態毎に求めておいたタイヤ振動の時系列波形から算出された時間窓毎の特徴量を学習データとした、機械学習（サポートベクターマシーン）により求められる。

また、本発明は、走行中のタイヤの振動を検出してタイヤの接している路面の状態を判別する路面状態判別装置であって、前記タイヤの従動輪に装着されて前記従動輪の振動の時間変化波形である従動輪加速度波形を検出する従動輪振動検出手段と、前記タイヤの駆動輪に装着されて前記駆動輪の振動の時間変化波形である駆動輪加速度波形を検出する駆動輪振動検出手段と、前記従動輪加速度波形と前記駆動輪加速度波形とから、それぞれ、従動輪の特徴量と駆動輪の特徴量とを算出する特徴量算出手段と、予め路面状態毎に求めておいたタイヤ振動の時間変化波形を用いて算出された路面特徴量を記憶する記憶手段と、前記算出された特徴量と前記路面特徴量とから、前記従動輪と駆動輪の接している路面の状態を判別する路面状態判別手段とを備え、前記路面状態判別手段では、前記駆動輪特徴量を用いて、ＤＲＹ路面と路面との判別とＤＲＹ路面とＳＮＯＷ路面との判別、もしくは、もしくは、ＤＲＹ路面とＩＣＥ・ＳＮＯＷ路面との判別を行い、前記従動輪特徴量を用いてＤＲＹ路面とＷＥＴ路面との判別を行うことを特徴とする。
上記の構成の路面状態判別装置をＩＣＥ用いれば、少ない演算量で、路面判別を精度よくかつ確実に行うことができる。

なお、前記発明の概要は、本発明の必要な全ての特徴を列挙したものではなく、これらの特徴群のサブコンビネーションもまた、発明となり得る。

本実施の形態に係る路面状態判別装置の構成を示す機能ブロック図である。 加速度センサーの装着位置の一例を示す図である。 タイヤ振動の時系列波形の一例を示す図である。 固有振動モードの取得方法を示す図である。 特徴データの取得方法を示す図である。 特徴量の分布状態を示す模式図である。 入力空間と特徴空間における分離超平面を示す模式図である。 本実施の形態に係る路面状態の判別方法を示すフローチャートである。 従動輪と駆動輪における、ＤＲＹ路面の加速度波形とＩＣＥ路面の加速度波形とを比較した図である。

図１は、路面状態判別装置１０の構成を示す機能ブロック図である。
路面状態判別装置１０は、タイヤ振動検出手段としての加速度センサー１１，２１と、従動輪加速度波形抽出手段１２と、駆動輪加速度波形抽出手段２２と、従動輪特徴量算出手段１３と、駆動輪特徴量算出手段２３と、従動輪識別関数演算手段１４と、駆動輪識別関数演算手段２４と、記憶手段１５と、路面状態判別手段１６とを備える。
加速度センサー１１は、従動輪に装着された加速度センサー（以下、従動輪側加速度センサーという）で、加速度センサー２１は、駆動輪に装着された加速度センサー（以下、駆動輪側加速度センサーという）で、従動輪加速度波形抽出手段１２〜路面状態判別手段１６、及び、駆動輪加速度波形抽出手段２２、駆動輪識別関数演算手段２４の各手段は、例えば、コンピュータのソフトウェア、及び、ＲＡＭ等のメモリーから構成される。
従動輪側加速度センサー１１は、図２に示すように、駆動輪のタイヤ（以下、駆動輪３０Ｄという）のインナーライナー部３１のタイヤ気室３２側のほぼ中央部に一体に配置されて、路面からの入力による駆動輪３０Ｄの振動を検出する。
一方、駆動輪側加速度センサー２１は、従動輪のタイヤ（以下、従動輪３０Ｃという）のインナーライナー部３１のタイヤ気室３２側のほぼ中央部に一体に配置されて、路面Ｒからの入力による従動輪３０Ｃの振動を検出する。
従動輪側加速度センサー１１の出力である従動輪３０Ｃのタイヤ振動の信号と、駆動輪側加速度センサー２１の出力である駆動輪３０Ｄのタイヤ振動の信号とは、それぞれ、図示しない増幅器で増幅された後、デジタル信号に変換されて、従動輪加速度波形抽出手段１２と駆動輪加速度波形抽出手段２２に送られる。
なお、従動輪３０Ｃと駆動輪３０Ｄを区別しない場合には、単に、タイヤ３０という。

従動輪加速度波形抽出手段１２は、従動輪側加速度センサー１１で検出したタイヤ振動の信号から、タイヤ３０の一回転毎に、タイヤ振動の時系列波形である加速度波形（以下、従動輪加速度波形という）を抽出し、駆動輪加速度波形抽出手段２２は、駆動輪側加速度センサー２１で検出したタイヤ振動の信号からタイヤ振動の時系列波形である加速度波形（以下、駆動輪加速度波形という）を抽出する。
図３はタイヤ振動の時系列波形の一例を示す図で、タイヤ振動の時系列波形は、踏み込み位置近傍と蹴り出し位置近傍に大きなピークを有しており、かつ、タイヤの陸部が接地する前の踏み込み前領域Ｒ_fにおいても、タイヤの陸部が路面から離れた後の蹴り出し後領域Ｒ_kにおいても、路面状態によって異なる振動が出現する。一方、踏み込み前領域Ｒ_fの前の領域と蹴り出し後領域Ｒ_kの後の領域（以下、路面外領域という）とは路面の影響を殆ど受けていないので、振動レベルも小さく、路面の情報も含んでいない。
なお、路面外領域の定義としては、例えば、加速度波形に対してバックグラウンドレベルを設定し、このバックグラウンドレベルよりも小さな振動レベルを有する領域を路面外領域とすればよい。
本例では、加速度波形のうちの。路面の情報を含む、踏み込み前領域Ｒ_fから蹴り出し後領域Ｒ_kまで領域である路面内領域の加速度波形を計測データｘ₁(t)とし、この計測データｘ₁(t)を、経験的モード分解（Empirical Mode Decomposition
; EMD）のアルゴリズムを用いて複数の固有振動モード（Intrinsic Mode Function ; IMF）に分解した後、各IMFに対してヒルベルト変換を行って特徴量を算出する。

従動輪特徴量算出手段１３は、固有振動モード抽出部１３ａと、特徴データ算出部１３ｂと、特徴量算出部１３ｃとを備え、従動輪加速度波形抽出手段１２により抽出した従動輪加速度波形から、従動輪特徴量を算出する。
固有振動モード抽出部１３ａは、計測データｘ₁(t)から、EMDのアルゴリズムを用いて複数のIMF（Ｃ₁，Ｃ₂，……，Ｃ_n）を取得するとともに、取得された複数のIMFから任意のIMFＣ_kを抽出する。
ここで、IMFの求め方について説明する。
まず、図４に示すように、計測データｘ₁(t)の全ての極大点と極小点とを抽出し、極大点を結んだ上側包絡線ｅ_max(t)と極小点を結んだ下側包絡線ｅ_min(t)とを求めた後、上側包絡線ｅ_max(t)と下側包絡線ｅ_min(t)との局所平均ｍ₁(t)＝（ｅ_max(t)＋ｅ_min(t)）/２を算出する。
次に、計測データｘ₁(t)と局所平均ｍ₁(t)との差分波形ｙ₁(t)＝ｘ₁(t)−ｍ₁(t)を求める。差分波形ｙ₁(t)は対称性が乏しく、IMFとはいえない。そこで、差分波形ｙ₁ (t)に計測データｘ₁ (t)に対して行った処理と同様の処理を行い、差分波形ｙ₂(t)を求める。更に、この処理を繰り返し行って、差分波形ｙ₃(t)，ｙ₄(t)，……，ｙ_m(t)を求める。差分波形ｙ_k(t)はｋが大きくなるほど対称性が高く、IMFに近くなる。
差分波形がIMFとなる条件としては、ｙ_k(t)のゼロクロス点の数とピーク数が、IMFを求める過程で４〜８回連続して変化せず、かつ、ゼロクロス点の数とピーク数が一致するとうい条件が提案されている。なお、局所平均ｍ_k(t)の標準偏差が閾値以下になった時点における差分波形ｙ_k-1(t)をIMFとしてもよい。
この計測データｘ₁(t)から抽出しIMFを、第１のIMFＣ₁という。

次に、第１のIMFＣ₁と計測データｘ₁(t)とから第２のIMFＣ₂を抽出する。具体的には、計測データｘ₁(t)から第１のIMFＣ₁を引いたデータｘ₂(t)＝ｘ₁(t)−IMFＣ₁を新たな計測データとし、この新たな計測データｘ₂(t)に対して、上記の計測データｘ₁(t)に対する処理と同様の処理を行って第２のIMFＣ₂を抽出する。
この処理を、繰り返し、第ｎのIMFＣ_nが、極値が１つである波形になった時点で、IMFを求める処理を終了する。抽出されるIMFの個数は元波形（計測データ）により変化するが、通常は、１０〜１５個のIMFが抽出される。
なお、IMFＣ_kは、高周波成分から順番に抽出される。
また、全てのIMFＣ_kの和は、計測データｘ₁(t)に等しい。
ところで、路面判別のためには、タイヤ振動の高周波成分に着目する必要があるので特徴量を算出するためのIMFとしては、第１のIMFＣ₁や第２のIMFＣ₂などの低い番号のIMFを用いればよい。
なお、計算量を低減するには、使用するIMFのみを抽出して、そこで計算をとめるようにすればよい。例えば、第３のIMFＣ₃のみを使用する場合には、第４のIMFＣ₄以降を抽出する計算を省略してもよい。
以下、使用するIMFである第ｋのIMFＣ_kをＸ_k(t)とする。

特徴データ算出部１３ｂは、得られたIMFＸ_k(t)についてヒルベルト変換を行い、波形のゼロクロス点における瞬時周波数ｆ_k(t)と、瞬時振幅ａ_k(t)の極大値とを算出する。瞬時周波数ｆ_k(t)は、位相関数θ_k(t)の時間微分である。
Ｘ_k(t)のヒルベルト変換Ｙ_k(t)は、以下の式（１）で求められる。
［数１］

このヒルベルト変換により、特徴データを算出するための解析波形Ｚ_k(t)は、以下の式（２）〜（４）のように表せる。
［数２］

図５に示すように、各IMFＸ_k(t)の波形は、複数の時刻t_jにおいてのゼロクロス点を有し、時刻t_jと時刻t
_j+1との間に、瞬時振幅の極大値を有する。
そこで、同図の太線で示す、時刻t_jと時刻t
_j+1との間の波形を、周波数ｆ_kjが瞬時周波数ｆ_k(t_j)で、振幅ａ_kjが瞬時振幅ａ_k(t_j ^’)の波形ｃ_k,jの一部（λ_k,j/２）であるとみなし、この周波数ｆ_kjと振幅ａ_kjとを各IMFＸ_k(t)の特徴データとする。ここで、t_j ^’＝（t_j＋t_j+1）/２である。
特徴量算出部１３ｃは、IMFＸ_k(t)の特徴データである、周波数ｆ_k,jに対する振幅ａ_k,jの分布から、統計量である、平均μ_k、標準偏差σ_k、及び、歪度ｂ_{1 k}を算出する。
これらの統計量は、時間に依存しない統計量であるので、これらの統計量を特徴量として採用する。なお、特徴量はＣ_k毎に求まる。

図６は、特徴量をＸ＝（μ，σ，ｂ₁）としたときの、特徴量の入力空間を示す模式図で、ａ_１軸が平均μ、ａ₂軸が標準偏差σ、ａ₃軸が歪度ｂ₁である。
同図において、グループＣがＤＲＹ路面を走行しているときの特徴量Ｘ_iの集合で、グループＣ’がＷＥＴ路面を走行しているときの特徴量Ｘ’_iの集合とすると、グループＣとグループＣ’とを区別することができれば、タイヤの走行している路面がＤＲＹ路面かＷＥＴ路面かを判別することができる。
同様に、ＳＮＯＷ路面やＩＣＥ路面を走行したときの加速度波形からも、ＳＮＯＷ路面における特徴量の分布やＩＣＥ路面における特徴量の分布を求めることができる。
なお、図１では省略したが、駆動輪特徴量算出手段２３の構成及び動作は、従動輪特徴量算出手段１３と同じで、駆動輪加速度波形抽出手段２２により抽出された駆動輪加速度波形からIMFＣ_kを抽出した後、駆動輪特徴量である、平均μ_k、標準偏差σ_k、及び、歪度ｂ_{1 k}を、Ｃ_k毎に求める。
以下、使用する特徴量を第１のIMFＣ₁の特徴量とする。

記憶手段１５は、予め求めておいた、Ｄ/Ｗ識別モデル、Ｄ/Ｓ識別モデル、Ｄ/Ｉ識別モデル、及び、Ｓ/Ｉ識別モデルの４つの識別モデルを記憶する。
Ｄ/Ｗ識別モデルは、ＤＲＹ路面とＷＥＴ路面とを分離超平面を表わす識別関数ｆ_DW（ｘ）により分離するための特徴量である基準特徴量Ｙ_DSV（ｙ_jk）及びＹ_WSV（ｙ_jk）と、基準特徴量Ｙ_DSV（ｙ_jk）及びＹ_WSV（ｙ_jk）をそれぞれ重み付けするラグランジュ乗数λ_D及びλ_Wを記憶する。
Ｄ/Ｓ識別モデルは、基準特徴量Ｙ_DSV（ｙ_jk），Ｙ_SSV（ｙ_jk）、及び、ラグランジュ乗数λ_D，λ_Sを記憶し、Ｄ/Ｉ識別モデルは、基準特徴量Ｙ_DSV（ｙ_jk），Ｙ_ISV（ｙ_jk）、及び、ラグランジュ乗数λ_D，λ_Iを記憶する。
また、Ｓ/Ｉ識別モデルは、基準特徴量Ｙ_SSV（ｙ_jk），Ｙ_ISV（ｙ_jk）、及び、ラグランジュ乗数λ_S，λ_Iを記憶する。
各識別モデルは、タイヤに加速度センサーを取り付けたタイヤを搭載した試験車両をＤＲＹ、ＷＥＴ、ＳＮＯＷ、及び、ＩＣＥの各路面で様々な速度で走行させて得られたタイヤ振動の時系列波形から算出された特徴量Ｙ_A＝（μ_A，σ_A，ｂ_1A）を求めた後、Ｙ_Aを学習データとして、サポートベクターマシーン（ＳＶＭ）により構築される。ここで、添え字Ａは、ＤＲＹ、ＷＥＴ、ＳＮＯＷ、及び、ＩＣＥを示している。また、ＳＶＭにより選択された識別境界の近傍の特徴量を路面特徴量Ｙ_ASVという。
なお、Ｄ/Ｗ識別モデルは、従動輪側加速度センサー１１の出力である従動輪加速度波形を用いて構築され、Ｄ/Ｓ識別モデル、Ｄ/Ｉ識別モデル、及び、Ｓ/Ｉ識別モデルは、駆動輪側加速度センサー２１の出力である駆動輪加速度波形を用いて構築される。

図７は、入力空間上におけるＤＲＹ路面特徴量Ｙ_DとＷＥＴ路面特徴量Ｙ_Wを示す概念図で、同図の黒丸がＤＲＹ路面、白丸がＷＥＴ路面である。
なお、前述したように、ＤＲＹ路面特徴量Ｙ_DもＷＥＴ路面特徴量Ｙ_Wも行列であるが、グループの識別境界の求め方を説明するため、図７では、ＤＲＹ路面特徴量Ｙ_DとＷＥＴ路面特徴量Ｙ_Wとをそれぞれ２次元のベクトルで示した。
グループの識別境界は、一般には、線形分離が不可能である。
そこで、カーネル法を用いて、路面特徴量Ｙ_Ｄ及びＹ_Wを非線形写像φによって高次元特徴空間に写像して線形分離を行うことで、元の入力空間において路面特徴量Ｙ_D及びＹ_Wに対して非線形な分類を行う。
ＤＲＹ路面とＷＥＴ路面とを区別する際には、ＤＲＹ路面特徴量Ｙ_DとＷＥＴ路面特徴量Ｙ_Wとを分離する分離超平面である識別関数ｆ_DW（ｘ）に対してマージンを持たせることで、ＤＲＹ路面とＷＥＴ路面とを精度よく区別することができる。マージンとは、分離超平面から一番近いサンプル（サポートベクトル）までの距離をいい、識別境界である分離超平面はｆ（ｘ）＝０である。
そして、図７に示すように、ＤＲＹ路面特徴量Ｙ_Dは全てｆ_DW（ｘ）≧＋１の領域にあり、ＷＥＴ路面特徴量Ｙ_Wは、ｆ_DW（ｘ）≦−１の領域にある。
ＤＲＹ路面とＷＥＴ路面とを区別するＤ/Ｗ識別モデルは、ｆ_DW（ｘ）＝＋１の距離にあるサポートベクトルＹ_DSVと、ｆ_DW（ｘ）＝−１の距離にあるサポートベクトルＹ_WSVとを備えた入力空間である。Ｙ_DSVとＹ_WSVとは、一般に複数個存在する。
Ｄ/Ｓ識別モデル、Ｄ/Ｉ識別モデル、及び、Ｓ/Ｉ識別モデルについても同様である。

次に、データの集合Ｘ＝（ｘ₁，ｘ₂，……ｘ_n）と所属クラスｚ＝｛１、−１｝とを用いて、データを識別する最適な識別関数ｆ_DW（ｘ）＝ｗ^Tφ（ｘ）−ｂを求める。ここで、ｗは重み係数を表すベクトルで、ｂは定数である。
また、データはＤＲＹ路面特徴量Ｙ_DjとＷＥＲ路面特徴量Ｙ_Wjであり、所属クラスはｚ＝１が同図のχ₁で示すＤＲＹ路面のデータで、ｚ＝−１がχ₂で示すＷＥＴ路面のデータである。ｆ（ｘ）＝０が識別境界で、１/||ｗ||が路面特徴量Ｙ_Aj（Ａ＝Ｄ，Ｗ）とｆ（ｘ）＝０との距離である。
識別関数ｆ_DW（ｘ）＝ｗ^Tφ（ｘ）−ｂは、例えば、ラグランジュ未定乗数法を用いて最適化される。最適化問題は、以下の式（６），（７）に置き換えられる。
［数３］

ここで、α，βは複数ある学習データの指標である。また、λはラグランジュ乗数で、λ＞０である。なお、λ＝０である路面特徴量Ｙ_Ajは、識別関数ｆ（ｘ）に寄与しない（サポートベクトルではない）ベクトルデータである。
ラグランジュ乗数は、φ（ｘ_α）φ（ｘ_β）は、ｘ_αとｘ_βを写像φで高次元空間へ写像した後の内積である。
また、φ（ｘ_α）φ（ｘ_β）は、ｘ_αとｘ_βを写像φで高次元空間へ写像した後の内積で、内積φ^T（ｘ_α）φ（ｘ_β）を直接求めずに、カーネル関数Ｋ（ｘ_α，ｘ_β）に置き換えることで、識別関数ｆ（ｘ）＝ｗ^Tφ（ｘ）−ｂを非線形できる。
ラグランジュ乗数λは、前記の式（７）について、最急下降法やＳＭＯ（Sequential Minimal
Optimization）などの最適化アルゴリズムを用いて求めることができる。
Ｄ/Ｓ識別モデル、Ｄ/Ｉ識別モデル、及び、Ｓ/Ｉ識別モデルについても、同様に、基準特徴量Ｙ_ASV（ｙ_jk）、及び、ラグランジュ乗数λ_Aを求めることができる。
本例では、カーネル関数Ｋ（ｘ_α，ｘ_β）として、以下の式に示す、ガウシアンカーネル（ＲＢＦカーネル）を用いた。
［数４］

従動輪識別関数演算手段１４は、カーネル関数算出部１４ａと識別関数演算部１４ｂとを備え、ＤＲＹ路面特徴量Ｙ_DとＷＥＴ路面特徴量Ｙ_Wとを分離する分離超平面である識別関数ｆ_DW（ｘ）の値を計算する。
カーネル関数算出部１４ａは、従動輪特徴量算出手段１３にて算出された特徴量Ｘと記憶手段１５に記録されているＤ/Ｗモデルの各サポートベクトルＹ_DSVとＹ_WSVとから、上記式（８）を用いて、ガウシアンカーネルＫ_D（Ｘ，Ｙ_DSV）とＫ_W（Ｘ，Ｙ_WSV）とを算出する。
識別関数演算部１４ｂでは、カーネル関数Ｋ_D（Ｘ，Ｙ_DSV），Ｋ_W（Ｘ，Ｙ_WSV）を用いて、ＤＲＹ路面とＷＥＴ路面とを識別するための識別関数ｆ_{D W}（ｘ）の値を求める。
識別関数ｆ_{D W}（ｘ）の値は、下記の式（９）を用いて計算する。
［数５］

なお、Ｎ_DSVはＤＲＹモデルのサポートベクトルの数、Ｎ_WSVはＷＥＴモデルのサポートベクトルの数である。また、識別関数のラグランジュ乗数λ_D，λ_Wなどの値は、ＤＲＹ路面とＷＥＴ路面とを識別する識別関数を求める際の学習により求められる。
駆動輪識別関数演算手段２４は、カーネル関数算出部２４ａと識別関数演算部２４ｂとを備え、ＤＲＹ路面特徴量Ｙ_DとＳＮＯＷ路面特徴量Ｙ_Sとを分離するる識別関数ｆ_DS（ｘ）の値、ＤＲＹ路面特徴量Ｙ_DとＩＣＥ路面特徴量Ｙ_Iとを分離する識別関数ｆ_DI（ｘ）の値、及び、ＳＮＯＷ路面特徴量Ｙ_SとＩＣＥ路面特徴量Ｙ_Iとを分離する識別関数ｆ_SI（ｘ）の値を計算する。
カーネル関数算出部２４ａは、駆動輪特徴量算出手段２３にて算出された特徴量Ｘと記憶手段１４に記録されているＤ/Ｓモデル、Ｄ/Ｉモデル、Ｓ/Ｉモデルの各サポートベクトルＹ_DSV，Ｙ_SSV，Ｙ_ISVから、上記式（８）を用いて、ガウシアンカーネルＫ_D（Ｘ，Ｙ_DSV）とＫ_S（Ｘ，Ｙ_SSV）とＫ_I（Ｘ，Ｙ_ISV）とを算出する。
識別関数演算部２４ｂでは、カーネル関数Ｋ_D（Ｘ，Ｙ_DSV），Ｋ_S（Ｘ，Ｙ_SSV），Ｋ_I（Ｘ，Ｙ_WSV）を用いて、識別関数ｆ_DS（ｘ）、，ｆ_DI（ｘ），ｆ_SI（ｘ）の値を求める。
識別関数ｆ_DS（ｘ），ｆ_DI（ｘ），ｆ_SI（ｘ）の値は、下記の式（１０）〜（１２）を用いて計算する。
［数６］

路面状態判別手段１６は、従動輪識別関数演算手段１４で計算された識別関数ｆ_{D W}（ｘ）の値と、駆動輪識別関数演算手段２４で計算された識別関数ｆ_DS（ｘ），ｆ_DI（ｘ），ｆ_SI（ｘ）の値とから、路面状態がＤＲＹ/ＷＥＴ/ＳＮＯＷ/ＩＣＥのいずれかであるかを判別する。

次に、路面状態判別装置１０を用いて、路面の状態を判別する方法について、図８のフローチャートを参照して説明する。
まず、加速度センサー１１，２１により路面Ｒからの入力により発生したタイヤ振動をそれぞれ検出し（ステップＳ１０）、検出されたタイヤ振動の信号から、駆動輪３０Ｄタイヤ振動の時系列波形である駆動輪加速度波形と従動輪３０Ｃタイヤ振動の時系列波形である従動輪加速度波形とを抽出する（ステップＳ１１）。
そして、抽出されたタイヤ振動の時系列波形のデータから、EMDのアルゴリズムを用いて複数のIMFＣ₁〜Ｃ_nを取得した後（ステップＳ１２）後、これらのIMFの中から、低い番号の第１〜第３のIMFＣ₁〜Ｃ₃を抽出して、路面状態の判別に使用する使用するIMFＣ_kを選択し、これをＸ_k(t)とする（ステップＳ１３）。
次に、Ｘ_k(t)に対してヒルベルト変換を行って、特徴データであるゼロクロス点における瞬時周波数ｆ_k(t)と、瞬時振幅ａ_k(t)の極大値とを算出（ステップＳ１４）した後、瞬時周波数ｆ_k(t)に対する瞬間振幅ａ_k(t)の分布から統計量を算出し、この算出された統計量を特徴量Ｘ_kとする（ステップＳ１５）。本例では、統計量を平均μ_k、標準偏差σ_k、及び、歪度ｂ_{1 k}をとした。
なお、ステップＳ１２〜ステップＳ１５までの各ステップは、駆動輪加速度波形と従動輪加速度波形のそれぞれに対して行い、駆動輪加速度波形から駆動輪特徴量を算出し、従動輪加速度波形から従動輪特徴量を算出する。なお、本例では、駆動輪特徴量と従動輪特徴量とを区別せずに、特徴量Ｘ_kと記す。
次に、算出された特徴量Ｘ_kと、記憶手段１５に記録されている識別モデルのサポートベクトルＹ_DSV，Ｙ_WSV，Ｙ_SSV，Ｙ_ISVとから、ガウシアンカーネルＫ_D（Ｘ，Ｙ_DSV），Ｋ_W（Ｘ，Ｙ_WSV），Ｋ_S（Ｘ，Ｙ_SSV），Ｋ_I（Ｘ，Ｙ_ISV）を求め（ステップＳ１６）た後、カーネル関数Ｋ_A（Ｘ，Ｙ）を用いた４つの識別関数ｆ_DW（ｘ），ｆ_DS（ｘ），ｆ_DI（ｘ），ｆ_SI（ｘ）をそれぞれ計算する（ステップＳ１７）。
最後に、４つの識別関数ｆ_DW（ｘ），ｆ_DS（ｘ），ｆ_DI（ｘ），ｆ_SI（ｘ）の計算値を用いて路面状態を判別する（ステップＳ１８）。
路面状態の判別は、はじめに、駆動輪特徴量とＤ/Ｓ識別モデル、Ｄ/Ｉ識別モデル、及び、Ｓ/Ｉ識別モデルを用いて計算した識別関数ｆ_DS（ｘ），ｆ_DI（ｘ），ｆ_SI（ｘ）ｆ_DW（ｘ）の値から、路面がＤＲＹ路面か、ＳＮＯＷ路面か、ＩＣＥ路面かを判別する。
具体的には、ｆ_{D S}（ｘ）＜０、かつ、ｆ_SＩ（ｘ）＞０であればＳＮＯＷ路面と判別し、、ｆ_{D S}（ｘ）＜０、かつ、ｆ_SＩ（ｘ）＜０であればＩＣＥ路面と判別する。
また、ｆ_{D S}（ｘ）＞０、かつ、ｆ_DＩ（ｘ）＞０であれば、従動輪特徴量とＤ/Ｗ識別モデルとを用いて計算した識別関数ｆ_DW（ｘ）の値から、路面がＤＲＹ路面か、ＷＥＴかを判別する。そして、ｆ_DW（ｘ）＞０であれば、ＤＲＹ路面と判別し、ｆ_DW（ｘ）＜０であればＷＥＴ路面と判別する。
これにより、ＷＥＴ路面とＳＮＯＷ路面との判別、及び、ＷＥＴ路面とＩＣＥ路面との判別をすることなく、ＤＲＹ路面とＷＥＴ路面とを判別することができる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は前記実施の形態に記載の範囲には限定されない。前記実施の形態に、多様な変更または改良を加えることが可能であることが当業者にも明らかである。そのような変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲から明らかである。

例えば、前記実施の形態では、タイヤ振動検出手段を加速度センサー１１，２１としたが、圧力センサーなどの他の振動検出手段を用いてもよい。また、加速度センサー１１，２１の設置箇所についても、タイヤ幅方向中心から幅方向に所定距離だけ離隔した位置に１個ずつ配設したり、ブロック内に設置するなど他の箇所に設置してもよい。また、加速度センサー１１，２１の個数も１個に限るものではなく、タイヤ周方向の複数箇所に設けてもよい。
また、前記実施の形態では、特徴量を算出するためのIMFとして第１のIMFＣ₁を用いたが、他のIMFを用いてもよい。なお、上記したように、路面判別のためには、タイヤ振動の高周波成分に着目する必要があるので特徴量を算出するためのIMFとしては、低い番号のIMFを用いることが好ましい。
また、前記実施の形態では、特徴量を、平均μ、標準偏差σ、及び、歪度ｂ₁としたが、更に尖度ｂ₂などの他の統計量を加えてもよい。あるいは、平均μ、標準偏差σ、歪度ｂ₁、尖度ｂ₂などの中から複数の統計量を組み合わせてもよい。

また、路面状態の識別に用いる特徴量としては、振動波形から抽出される特定周波数帯域の振動レベル、または、複数の特定周波数帯域の振動レベルから演算される演算値など、他の特徴量を用いてもよい。
また、温度センサーなどで取得した温度情報を用い、外気温が低温（例えば、５℃以下）である場合には、駆動輪加速度波形のみを用いて、路面がＤＲＹ路面か、ＳＮＯＷ路面か、ＩＣＥ路面かを判別し、外気温が低温でない場合には、従動輪加速度波形のみを用いて、路面がＤＲＹ路面かＷＥＴ路面かを判別すれば、演算量を更に少なくできる。

１０ 路面状態判別装置、１１ 従動輪側加速度センサー、
１２ 従動輪加速度波形抽出手段、１３ 従動輪特徴量算出手段、
１３ａ 固有振動モード抽出部、１３ｂ 特徴データ算出部、１３ｃ 特徴量算出部、
１４ 従動輪識別関数演算手段、１４ａ カーネル関数算出部、１４ｂ 識別関数演算部、１５ 記憶手段、１６ 路面状態判別手段、２１ 駆動輪側加速度センサー、
２２ 駆動輪加速度波形抽出手段、２３ 駆動輪特徴量算出手段、
２４ 駆動輪識別関数演算手段、
３０Ｄ 駆動輪、３０Ｃ 従動輪、３１ インナーライナー部、３２ タイヤ気室、
Ｒ 路面。

Claims (3)

1. タイヤに装着された振動検出手段により検出した走行中のタイヤの振動の時間変化波形からタイヤの接している路面の状態を判別する方法であって、
   前記タイヤの従動輪に装着された振動検出手段と前記タイヤの駆動輪に装着された振動検出手段とにより前記従動輪の振動の時間変化波形である従動輪加速度波形と前記駆動輪の振動の時間変化波形である駆動輪加速度波形とを検出するステップと、
   前記従動輪加速度波形と前記駆動輪加速度波形とから、それぞれ、従動輪の特徴量と駆動輪の特徴量とを算出するステップと、
   前記算出された従動輪の特徴量と駆動輪の特徴量と、予め路面状態毎に求めておいた路面特徴量とから、前記従動輪と駆動輪の接している路面の状態をそれぞれ判別するステップとを備え、
   前記路面の状態を判別するステップでは、
   前記駆動輪特徴量を用いて、ＤＲＹ路面とＩＣＥ路面との判別とＤＲＹ路面とＳＮＯＷ路面との判別、もしくは、ＤＲＹ路面とＩＣＥ・ＳＮＯＷ路面との判別を行い、
   前記従動輪特徴量を用いてＤＲＹ路面とＷＥＴ路面との判別を行うことを特徴とする路面状態判別装置。
2. 前記特徴量が、経験的モード分解のアルゴリズムを用いて取得された固有振動モードにヒルベルト変換を行って抽出した、瞬時周波数と瞬時振幅のいずれか一方または両方のデータの分布の統計量であり、
   前記路面の状態を判別するステップでは、
   前記特徴量と前記予め路面状態毎に求めておいた特徴量とからカーネル関数を算出した後、前記算出されたカーネル関数を用いた識別関数の値から路面状態を判別することを特徴とする請求項１に記載の路面状態判別方法。
3. 走行中のタイヤの振動を検出してタイヤの接している路面の状態を判別する路面状態判別装置であって、
   前記タイヤの従動輪に装着されて前記従動輪の振動の時間変化波形である従動輪加速度波形を検出する従動輪振動検出手段と、
   前記タイヤの駆動輪に装着されて前記駆動輪の振動の時間変化波形である駆動輪加速度波形を検出する駆動輪振動検出手段と、
   前記従動輪加速度波形と前記駆動輪加速度波形とから、それぞれ、従動輪の特徴量と駆動輪の特徴量とを算出する特徴量算出手段と、
   予め路面状態毎に求めておいたタイヤ振動の時間変化波形を用いて算出された路面特徴量を記憶する記憶手段と、
   前記算出された特徴量と前記路面特徴量とから、前記従動輪と駆動輪の接している路面の状態を判別する路面状態判別手段とを備え、
   前記路面状態判別手段は、
   前記駆動輪の特徴量を用いて、ＤＲＹ路面とＩＣＥ路面との判別とＤＲＹ路面とＳＮＯＷ路面との判別、もしくは、ＤＲＹ路面とＩＣＥ・ＳＮＯＷ路面との判別を行い、
   前記従動輪の特徴量を用いてＤＲＹ路面とＷＥＴ路面との判別を行うことを特徴とする路面状態判別装置。
   

Images