JP2019123324A - 路面状態判別方法及び路面状態判別装置 - Google Patents
路面状態判別方法及び路面状態判別装置 Download PDFInfo
- Publication number
- JP2019123324A JP2019123324A JP2018004407A JP2018004407A JP2019123324A JP 2019123324 A JP2019123324 A JP 2019123324A JP 2018004407 A JP2018004407 A JP 2018004407A JP 2018004407 A JP2018004407 A JP 2018004407A JP 2019123324 A JP2019123324 A JP 2019123324A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- feature amount
- driven wheel
- waveform
- tire
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C19/00—Tyre parts or constructions not otherwise provided for
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Tires In General (AREA)
Abstract
Description
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。
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。
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。
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。
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。
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Rf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Rk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Rfの前の領域と蹴り出し後領域Rk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Rfから蹴り出し後領域Rk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。
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,……,Cn)を取得するとともに、取得された複数のIMFから任意のIMFCk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emax(t)と極小点を結んだ下側包絡線emin(t)とを求めた後、上側包絡線emax(t)と下側包絡線emin(t)との局所平均m1(t)=(emax(t)+emin(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),……,ym(t)を求める。差分波形yk(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、yk(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mk(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yk-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。
この処理を、繰り返し、第nのIMFCn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、IMFCkは、高周波成分から順番に抽出される。
また、全てのIMFCk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IMFCkをXk(t)とする。
Xk(t)のヒルベルト変換Yk(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Zk(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IMFXk(t)の波形は、複数の時刻tjにおいてのゼロクロス点を有し、時刻tj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tjと時刻t
j+1との間の波形を、周波数fkjが瞬時周波数fk(tj)で、振幅akjが瞬時振幅ak(tj ’)の波形ck,jの一部(λk,j/2)であるとみなし、この周波数fkjと振幅akjとを各IMFXk(t)の特徴データとする。ここで、tj ’=(tj+tj+1)/2である。
特徴量算出部13cは、IMFXk(t)の特徴データである、周波数fk,jに対する振幅ak,jの分布から、統計量である、平均μk、標準偏差σk、及び、歪度b1 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Ck毎に求まる。
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Xi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IMFCkを抽出した後、駆動輪特徴量である、平均μk、標準偏差σk、及び、歪度b1 kを、Ck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。
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fDW(x)により分離するための特徴量である基準特徴量YDSV(yjk)及びYWSV(yjk)と、基準特徴量YDSV(yjk)及びYWSV(yjk)をそれぞれ重み付けするラグランジュ乗数λD及びλWを記憶する。
D/S識別モデルは、基準特徴量YDSV(yjk),YSSV(yjk)、及び、ラグランジュ乗数λD,λSを記憶し、D/I識別モデルは、基準特徴量YDSV(yjk),YISV(yjk)、及び、ラグランジュ乗数λD,λIを記憶する。
また、S/I識別モデルは、基準特徴量YSSV(yjk),YISV(yjk)、及び、ラグランジュ乗数λS,λI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YA=(μA,σA,b1A)を求めた後、YA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YASV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。
なお、前述したように、DRY路面特徴量YDもWET路面特徴量YW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YDとWET路面特徴量YW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YD及びYW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YD及びYW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YDとWET路面特徴量YWとを分離する分離超平面である識別関数fDW(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YDは全てfDW(x)≧+1の領域にあり、WET路面特徴量YWは、fDW(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、fDW(x)=+1の距離にあるサポートベクトルYDSVと、fDW(x)=−1の距離にあるサポートベクトルYWSVとを備えた入力空間である。YDSVとYWSV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。
また、データはDRY路面特徴量YDjとWER路面特徴量YWj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YAj(A=D,W)とf(x)=0との距離である。
識別関数fDW(x)=wTφ(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YAj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(xα)φ(xβ)は、xαとxβ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(xα)φ(xβ)は、xαとxβを写像φで高次元空間へ写像した後の内積で、内積φT(xα)φ(xβ)を直接求めずに、カーネル関数K(xα,xβ)に置き換えることで、識別関数f(x)=wTφ(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YASV(yjk)、及び、ラグランジュ乗数λAを求めることができる。
本例では、カーネル関数K(xα,xβ)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]
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YDSVとYWSVとから、上記式(8)を用いて、ガウシアンカーネルKD(X,YDSV)とKW(X,YWSV)とを算出する。
識別関数演算部14bでは、カーネル関数KD(X,YDSV),KW(X,YWSV)を用いて、DRY路面とWET路面とを識別するための識別関数fD W(x)の値を求める。
識別関数fD W(x)の値は、下記の式(9)を用いて計算する。
[数5]
なお、NDSVはDRYモデルのサポートベクトルの数、NWSV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λD,λW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YDとSNOW路面特徴量YSとを分離するる識別関数fDS(x)の値、DRY路面特徴量YDとICE路面特徴量YIとを分離する識別関数fDI(x)の値、及び、SNOW路面特徴量YSとICE路面特徴量YIとを分離する識別関数fSI(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YDSV,YSSV,YISVから、上記式(8)を用いて、ガウシアンカーネルKD(X,YDSV)とKS(X,YSSV)とKI(X,YISV)とを算出する。
識別関数演算部24bでは、カーネル関数KD(X,YDSV),KS(X,YSSV),KI(X,YWSV)を用いて、識別関数fDS(x)、,fDI(x),fSI(x)の値を求める。
識別関数fDS(x),fDI(x),fSI(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fD 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fDS(x),fDI(x),fSI(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。
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〜Cn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IMFCkを選択し、これをXk(t)とする(ステップS13)。
次に、Xk(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fk(t)と、瞬時振幅ak(t)の極大値とを算出(ステップS14)した後、瞬時周波数fk(t)に対する瞬間振幅ak(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Xkとする(ステップS15)。本例では、統計量を平均μk、標準偏差σk、及び、歪度b1 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Xkと記す。
次に、算出された特徴量Xk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YDSV,YWSV,YSSV,YISVとから、ガウシアンカーネルKD(X,YDSV),KW(X,YWSV),KS(X,YSSV),KI(X,YISV)を求め(ステップS16)た後、カーネル関数KA(X,Y)を用いた4つの識別関数fDW(x),fDS(x),fDI(x),fSI(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fDW(x),fDS(x),fDI(x),fSI(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fDS(x),fDI(x),fSI(x)fDW(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、fD S(x)<0、かつ、fSI(x)>0であればSNOW路面と判別し、、fD S(x)<0、かつ、fSI(x)<0であればICE路面と判別する。
また、fD S(x)>0、かつ、fDI(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fDW(x)の値から、路面がDRY路面か、WETかを判別する。そして、fDW(x)>0であれば、DRY路面と判別し、fDW(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。
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、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。
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)
- 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。 - 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。 - 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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018004407A JP7030532B2 (ja) | 2018-01-15 | 2018-01-15 | 路面状態判別方法及び路面状態判別装置 |
PCT/JP2018/045975 WO2019138775A1 (ja) | 2018-01-15 | 2018-12-13 | 路面状態判別方法及び路面状態判別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018004407A JP7030532B2 (ja) | 2018-01-15 | 2018-01-15 | 路面状態判別方法及び路面状態判別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019123324A true JP2019123324A (ja) | 2019-07-25 |
JP7030532B2 JP7030532B2 (ja) | 2022-03-07 |
Family
ID=67219054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018004407A Active JP7030532B2 (ja) | 2018-01-15 | 2018-01-15 | 路面状態判別方法及び路面状態判別装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7030532B2 (ja) |
WO (1) | WO2019138775A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013006533A (ja) * | 2011-06-24 | 2013-01-10 | Bridgestone Corp | 路面状態判定方法とその装置 |
JP2014035279A (ja) * | 2012-08-09 | 2014-02-24 | Bridgestone Corp | 路面状態判別方法とその装置 |
JP2017030722A (ja) * | 2015-07-31 | 2017-02-09 | 株式会社ブリヂストン | 車両制御方法 |
JP2017144975A (ja) * | 2016-02-19 | 2017-08-24 | 株式会社デンソー | 車両用危険回避装置 |
JP2018004417A (ja) * | 2016-06-30 | 2018-01-11 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
JP2018004419A (ja) * | 2016-06-30 | 2018-01-11 | 株式会社ブリヂストン | 路面状態判別方法 |
-
2018
- 2018-01-15 JP JP2018004407A patent/JP7030532B2/ja active Active
- 2018-12-13 WO PCT/JP2018/045975 patent/WO2019138775A1/ja active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013006533A (ja) * | 2011-06-24 | 2013-01-10 | Bridgestone Corp | 路面状態判定方法とその装置 |
JP2014035279A (ja) * | 2012-08-09 | 2014-02-24 | Bridgestone Corp | 路面状態判別方法とその装置 |
JP2017030722A (ja) * | 2015-07-31 | 2017-02-09 | 株式会社ブリヂストン | 車両制御方法 |
JP2017144975A (ja) * | 2016-02-19 | 2017-08-24 | 株式会社デンソー | 車両用危険回避装置 |
JP2018004417A (ja) * | 2016-06-30 | 2018-01-11 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
JP2018004419A (ja) * | 2016-06-30 | 2018-01-11 | 株式会社ブリヂストン | 路面状態判別方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7030532B2 (ja) | 2022-03-07 |
WO2019138775A1 (ja) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2607917C2 (ru) | Способ и устройство для определения состояния поверхности дороги | |
JP6450170B2 (ja) | 路面状態判別方法 | |
JP6783184B2 (ja) | 路面状態判別方法及び路面状態判別装置 | |
JP6673766B2 (ja) | 路面状態判別方法 | |
CN109477906B (zh) | 路面状态判别方法和路面状态判别装置 | |
WO2019138774A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
JP2018004418A (ja) | 路面状態判別方法 | |
WO2019138775A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2018230181A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
JP6961539B2 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2019244379A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2019244380A1 (ja) | 路面状態判別方法及び路面状態判別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190118 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211118 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220222 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7030532 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |