JP2021500687A - 道路状態を検知するための方法および装置 - Google Patents

Abstract

車両（１００）の音響的なセンサシステム（１０４）のセンサデータ（１０８）を用いて車両（１００）の範囲内の道路状態を検知するための方法に関し、実際の道路状態を検知するために、評価のステップで、センサデータ（１０８）内に描写された、誤検知対象物（４００）の検知頻度を評価し、この場合、前記検知頻度の最新値を、道路状態に割り当てられた少なくとも１つの期待値を用いて評価することを特徴とする。【選択図】 図１

Description

本発明は、車両の音響的なセンサシステムのセンサデータを用いて車両の範囲内の道路状態を検知するための方法および装置に関する。

環境条件、例えば雨、霰、雹または雪は、車両の接地状況を低下させるので、車両の制動距離が長くなる。ハイドロプレーニングにおいて、車両はロードホールディングさえも失う。このような環境条件は、特別なセンサによって検出され得る。

例えば降水は、車両のフロントガラス内の光学式のレインセンサによって検知され得る。降水が検知されると、降水による道路状態の変化が推測され得る。

このような背景から、ここに紹介された提案によって、独立請求項に記載した、車両の音響的なセンサシステムのセンサデータを用いて車両の範囲内の道路状態を検知するための方法並びに相応のコンピュータプログラム製品が紹介される。ここに紹介された提案の好適な実施態様および改善は、従属請求項に記載されている。

本発明の実施例によれば、好適な形式で、車両における特別な追加的なセンサ無しで既に存在する情報を用いて、道路状態を推測することができる。この場合、車両の既に存在する超音波送受信ユニットが使用される。ここに紹介された提案において、道路状態を推測するために、超音波送受信ユニットの既に存在するセンサ信号が読み取られ、評価される。

ここに紹介された提案によって、ハイドロプレーニングは早期にかつ確実に検知され得る。さらに、ハイドロプレーニングの予測が可能である。運転者は早期にハイドロプレーニングを警告され得る。これによって、車両は、予測された突然のハイドロプレーニングにより適切に反応して、ハイドロプレーニングに基づく事故をより適切に避けることができる。ウォータレベルデータは気象局にフィードバックされ、気象局はそれに基づいて気象モデルにより適切にデータを提供し、それによって例えばより適切な洪水警報を演算することができる。継続的かつ散発的な故障時に、追加的な周辺情報によって故障個所の探し出しが軽減される。

道路の濡れは、ビデオ若しくはレーダによっても決定され得る。しかしながら超音波センサの評価は、より適切かつ精確な予測をもたらすことができる。

車両の音響的なセンサシステムのセンサデータを用いて車両の範囲内の道路状態を検知するための方法が提案されており、この方法は、実際の道路状態を検知するために、評価のステップで、センサデータ内に描写された、誤検知対象物の検知頻度を評価し、この場合、検知頻度の最新値を、道路状態に割り当てられた少なくとも１つの期待値を用いて評価することを特徴としている。

さらに、道路状態を検知するための装置が提案されており、この装置は、検知するための前記方法を相応のデバイスで実施、実行かつ／または制御するために構成されている。

本発明の実施例に関する着想は、特に、以下に記載した考え方および知識に基づくものであると見なされてよい。

水によって固定的な形また流動的な形にされる道路の状態が、道路状態と呼ばれてよい。例えば、道路は、湿った、濡れた、どろどろのまたは水で溢れた状態であり得る。同様に、道路は、もちろん水が存在しない場合には乾燥している。乾燥した道路に対して、車両の周囲騒音（特にタイヤの回転騒音）は、車両が、湿った、濡れたまたは水で溢れてさえいる箇所を通るときに、著しく変化する。道路上の水は所定量を超えると、タイヤによって跳ね上げられ、車両にぶつかり、そこで追加的な騒音が発生する。さらに多量の水が道路上に存在する場合、タイヤによって押し退けられて噴水状になり、これは同様に部分的に車両にぶつかる。これらの騒音に、走行中の向かい風による風切り音が重畳される。風切り音は、車両に対する空気の相対速度に依存している。

センサシステムは、超音波センサシステムであってよい。センサデータは、センサシステムの単数または複数のセンサの音響情報を含んでいてよい。これらのセンサデータは既に予め処理されていてよい。超音波センサシステムのセンサデータは、検知された対象物に対する距離およびその検知確率若しくは等級を描写する。低い検知確率が割り当てられた対象物は、誤検知対象物と呼ばれてよい。水滴、つまり跳ね上げられた水および／または噴水状の水は、低い検知確率を有する多くの対象物として検知される。この場合、検知確率は特に、ノイズレベルが検知の時点でどのくらい高かったかに依存する。ノイズレベルは妨害値である。ノイズレベルは、検知確率を算出するために超音波センサシステム内で計算され、提供される。ノイズレベルはノイズ水準とも呼ばれる。ノイズレベルは例えばデシベルで表される。ノイズレベルが高ければ高いほど、弱いエコー若しくは小さい対象物を検知する確率がより低い。何故ならば、対象物によって跳ね返されたエコーは暗騒音内で消滅するからである。著しく大きいエコーが高い検知確率でノイズレベルとして生じる。ノイズレベルの範囲内の強さを有するエコーが、誤検知対象物として分類される。

誤検知対象物の検知頻度は、道路状態に依存している。様々な道路状態のために様々な期待値が記憶されていてよい。期待値は、例えば車両テスト中に決定され得る。

乾燥状態は、検知頻度の最新の値が湿り値より低いときに、実際の道路状態として検知され得る。湿った状態は、最新の値が湿り値より高いときに、実際の道路状態として検知され得る。濡れた状態は、最新の値が濡れ値より高いときに、実際の道路状態として検知され得る。ハイドロプレーニング状態は、最新の値がハイドロプレーニング値よりも高いときに、実際の道路状態として検知され得る。特に、濡れた状態が検知されると、所定の速度限界値以上で、ハイドロプレーニングの危険性の警告メッセージが提供される。湿り値、濡れ値およびハイドロプレーニング値は、期待値の記号であってよい。湿り値は、乾燥した道路状態を特徴付ける乾燥値よりも高くてよい。濡れ値は、湿り値よりも高くてよい。ハイドロプレーニング値は濡れ値よりも高くてよい。様々な高さの期待値によって、様々な道路状態が検知され得る。

この方法は、調整のステップを有しており、この調整のステップで、検知された実際の道路状態を用いて、車両のための最大許容速度を表す最高速度値および／または先行車両に対する最小許容車間距離を表す車間距離値が調整される。ここに紹介された提案は、車両の運転者支援システムに直接介入することができる。最高速度値および／または車間距離値は、車両の範囲内および／または車両の前の範囲内の予測された道路状態にも依存して調節され得る。予測された道路状態は、上位の情報ネットワークによって伝送された道路状態情報内に描写されてよい。

道路状態として、車両の範囲内のウォータレベルが検知され得る。様々なウォータレベルに、様々な期待値が割り当てられていてよい。検知頻度は、どのくらい多くの水が道路上に存在するかによって変化する。より多くの水が道路上に存在すればするほど、誤検知対象物の検知頻度は高くなってよい。所定のウォータレベルおよびそれに依存する速度を超えると、車両のタイヤは接地状況を失い、浮遊する。ハイドロプレーニングが発生する。ここに紹介された提案によって、検知されたウォータレベル若しくはウォータレベル変化に関連して危険な速度に達する前に、ハイドロプレーニング発生を警告する。

検知頻度は、狭い帯域の周波数範囲内で評価され得る。検知頻度は特に超音波スペクトル内で評価され得る。発生する雑音は、狭い周波数帯域、特に概ね個別の周波数において、広い周波数帯域におけるよりも少ない。概ね４８乃至５０ｋＨｚの、超音波システムによるエコー検出の狭い帯域の周波数範囲内において、乾燥した道路における表面状態の影響は最小である。従って、このシステムは、道路状態の検知のために特に良好に適している。

検知頻度はさらに、車両の実際の速度を表す速度値および／または実際の風ベクトルを表す風情報を用いて評価されてよい。誤検知された対象物の成分は、走行中の向かい風によって生ぜしめられる。この成分は、検知された対象物から差し引かれてよい。走行中の向かい風は、概ね車両の速度に依存する。走行中の向かい風は追加的に風に依存する。この場合、特に車両の走行方向における風の成分が走行中の向かい風に影響を及ぼす。言い換えれば、走行中の向かい風は、純粋に速度に依存する走行中の向かい風よりも、逆風において大きく、追い風において小さい。この場合、風のベクトルは風の方向および強さを記述する。

評価のステップで、センサシステムの様々なセンサによって検出された検知頻度が別個に評価される。検知頻度は、車両の様々な箇所で異なる高さを有している。風切り音は、例えば車両の前部領域で後部領域におけるよりも、より強く現れる。

検知頻度は、互いに対称的に車両に取り付けられた、センサシステムの複数のセンサによって評価され得る。センサは車両にしばしば一対形式で取り付けられている。検知頻度におけるアンバランスを検知するために、一対のセンサは一緒に評価されてよい。

様々な道路状態を検知するために、車両の様々な位置に取り付けられた、センサシステムの複数のセンサによる様々な検知頻度が用いられる。検知頻度の空間的な分布は、道路状態に依存していてよい。湿った道路から濡れた道路までにおいて、検知頻度は、車両の前方におけるよりも車両の後方においてより高い。濡れた道路から水で溢れた道路までにおいて、検知頻度は、車両の後方におけるよりも車両の前方においてより高い。

検知頻度はさらに、少なくとも１つの対象物に対する車両の間隔を表す間隔情報並びに、対象物の音響発生特性および／または音響反射特性を用いて評価される。対象物は、例えば車両の周辺検出システムによって検出され得る。例えばセンサシステムは周辺検出システムであってよい。周辺検出システムは、間隔情報を提供することができる。間隔情報は、既に測定値としてセンサデータ内に存在していてよい。例えば、センサシステムはアクティブに音響信号を送信して、信号の到達時間を測定値として評価する。車両の周辺の対象物は、騒音を生ぜしめるかまたは車両の固有騒音を変化させる。例えば、走行する車両は走行騒音を生ぜしめ、この走行騒音は固有騒音に重畳される。同様に、例えばトンネル壁またはガードレール等の、車両に隣接する面状の対象物は、車両の固有騒音を跳ね返す。

対象物の音響発生特性を演算するために、対象物の絶対速度および／または車両の実際速度を表す速度値が用いられる。車両の固有騒音および／または別の車両の走行騒音は、速度に依存する。速度が高ければ高いほど、固有騒音若しくは走行騒音はより高くなる。

この方法は、提供するステップを有しており、この提供するステップで、実際の道路状態を表す道路状態情報および車両の実際の位置を表す位置情報が上位の情報ネットワークのために提供される。選択的にまたは補足的に、実際の道路状態を表す道路状態情報は、上位の情報ネットワークによって車両の予測された今後の位置のために提供されてよい。このような提供によって、情報ネットワーク内で実際の道路状態に関する先の見通しが作成される。この先の見通しに基づいて、別の車両に、先の見通された道路状態情報が供給され、それによって先を見越して反応することができる。このような情報ネットワークは、例えばクラウドと呼ばれる。

機械読み取り可能な媒体に記憶されていてよく、前記方法のステップを実行、実施かつ／または制御するために使用されるプログラムコードを有するコンピュータプログラムまたはコンピュータプログラム製品も有利である。

本発明の可能な特徴および利点の幾つかは、方法および装置としての様々な実施例に関して記載されている、ということを指摘しておく。当業者にとって、本発明の別の実施例を得るために、これらの特徴を適切な形式で組み合わせ、適合させまたは交換することができることは明らかである。

１実施例による、道路状態を検知するための装置を備えた車両を示す図である。 １実施例による、道路状態情報を管理するための情報ネットワークを示す図である。 １実施例による、センサデータ内に含まれるセンサ信号およびノイズレベルを示す図である。 １実施例による、人工的な水溜まりを通過する際に検出されたセンサデータを示す図である。

以下に、本発明の実施例を添付の図面を参照して説明する。図面も明細書も発明として限定的に解釈されるべきではない。

図面は概略的に示されているだけであって、縮尺通りではない。図面中の同じ符号は、同じまたは同じ作用を有する特徴を示す。

ハイドロプレーニング警告のための、超音波を用いた道路上のウォータレベルの検知が紹介される。

実際は、道路の濡れ若しくは道路上の水柱のミリメートルデータは直接測定することはできない。車両の様々な運転状態から、間接的に濡れた道路を推定することができる。これは例えばウインドワイパ活動度またはＥＳＰ作動によって行われてよい。湿気に関する道路状態の連続的な「測定」は、実際には存在しない。

車両は、周辺検出システムを有していてよい。例えば、障害物検知のために超音波センサがホイールハウスの近傍に取り付けられていてよい。高速走行中に障害物検知が行われる際の大きな問題は走行騒音であり、走行騒音は、センサから放射される信号およびそのエコーと重なり合い、それによって間隔測定を部分的に著しく制限する。より多くの水がタイヤからホイールハウスに向かって飛び散るか若しくは引き上げられると、走行騒音はより強くなり、制限がより大きくなる。ノイズレベルは、主に空気を介して直接的にセンサに達するが、間接的に固体伝播音を介してセンサによっても受信され得る。このようなノイズは、「妨害値」としてセンサ内で自己算出される。

運転者のために、または後続車両の運転者のためにも、湿った道路の影響を検知するかまたは可能なコーナリング速度若しくはハイドロプレーニングに関する影響に気づくことが、多くの状況において役に立つ。これは、道路交通における安全性を高めることになる。「ウォータレベル」［ｍｍ］または「濡れた道路」［イエス／ノー］に関する情報は、クラウド内にも記憶され、処理され得る。

ここに紹介された方法は、基本的に、超音波センサを備えたすべての車両に使用することができる。既に計算されている信号だけがＣＡＮバスに提供され、この信号に基づいて運転者に警告がなされるので、超音波コントロールユニットおよびＨＭＩにおけるソフトウエア変更による最小の変換が非常に安価に可能である。

図１は、１実施例による道路状態を検知するための装置１０２を有する車両１００の図を示す。車両１００はここでは乗用車である。車両１００は、前部および後部にそれぞれ６つのセンサを備えた超音波センサシステム１０４を有している。これらのセンサは様々な検出範囲に向けられていて、車両前後方向軸に対して対称的に配置されている。これらのセンサは、超音波信号をその検出範囲に放射し、検出範囲から戻ってくるエコーを記録する。これらのセンサは、エコーを描写するセンサ信号１０６をセンサシステム１０４のために提供する。センサシステム１０４は、センサデータ１０６からの情報を評価して、センサデータ１０８を提供する。

装置１０２はセンサデータ１０８を読み込んで、道路状態を検知するために、センサデータ１０８内に含まれる誤検知対象物の検知頻度を評価する。道路状態は、道路状態情報１１２として車両１００の運転者支援システム１１４のために提供され、運転者支援システム１１４は、道路状態に基づいてロードホールディングがより小さいときに、車両１００の運転者のために警告を提供する。

１実施例では、装置１０２は、検知された道路状態に依存して車両１００の速度のための最大値１１６および／または先行車両に対する安全車間距離を制限する。このようにして、例えば車両の車間距離制御クルーズコントロールが、車両１００の速度および／または先行車両に対する車間距離を、道路状態に適合させることができる。

１実施例では、装置１０２が、道路状態情報１１２および位置情報１１８を、ワイヤレス接続を介して上位の情報ネットワークに送信する。これにより、車両１００の範囲内の道路状態に関する情報は別の車両にも転送され得る。

車両１００は、それぞれホイールハウスの近傍に位置するか若しくはいずれにしても対象物検知のために取り付けられている超音波センサ（ＵＳＳ）を用いて、道路上のウォータレベルがどの程度の高さであるかを検知する。

ウォータレベル検知は、対象物検知と並行して超音波システムによって行われてよい。低速では、対象物検知は非常に良好に機能するので、対象物検知に関するセンサのフィルタ特性およびその他のパラメータは最適化される。ここに紹介された提案においては、ウォータレベルの推測を導き出すために、インジケータとして、非常に低い確率で（誤）検知された対象物の数および間隔が評価される。

水または雪解けのぬかるみが道路上により多く存在すればするほど、超音波センサによって測定された、ホイールハウスに跳ね返る雨滴またはどろんこ粒子の、速度に依存するノイズレベルは、より高くなる。一般的に、湿気は好適には後ろのセンサによって検出され得る。何故ならば、ここでは水のノイズレベルは走行中の向かい風によって僅かに重なり合わされるだけだからである。車両速度若しくはホイール回転数、風速および方向、別の道路使用者、道路端の対象物、センサの取り付け位置、車両幾何学形状、場合によっては生じるセンサの汚れおよびタイヤの性質（横断面、幅、溝付けその他）も、ホイールハウスに跳ね返る水の量若しくはノイズレベルに影響を与える。これらすべてのパラメータは、ウォータレベルの演算に組み込まれる。

速度に依存する、誤検知対象物の検知頻度が、乾燥した道路のための速度に依存する基準値よりも、第１の（速度に依存する）ファクターだけ大きければ、道路は（少なくとも）湿っている。この検知頻度が、乾燥した道路のための速度に依存する基準値よりも第２の（速度に依存する）ファクターだけ大きければ、道路は（少なくとも）濡れており、この場合、第２のファクターは第１のファクターより大きい。さらに大きい別の複数のファクターにより、より高いウォータレベルがより低いウォータレベルに対して区別され、濡れた道路と湿った道路とが区別され得る。

乾燥した道路において、センサのノイズレベルは主に走行中の向かい風が原因となっているので、向かい風がレベルを高め、追い風がレベルを低下させる。乾燥した道路における向かい風は湿った道路であるとはみなされず、湿った道路における追い風は乾燥した道路であるとはみなされないので、車両１００は風速を、例えば走行中の向かい風にさらされるファンホイールを用いて測定し、その影響を算出することができる。選択的に、インターネットを介して実際の局所的な風速および方向を呼び出すことができる。前述のウォータレベル算出を実施し、かつ改善するために、車両１００は、実際の車両速度に向かい風を加え、その結果から風の修正された速度を算出する。

自車１００の走行中の風切り音だけではなく、別の道路使用者も、ノイズレベルに大きい影響を有している。車両１００は、別の道路使用者を、平均的な速度および短い距離で、超音波パルスの放射および反射の測定によって検知することができる。

前方および後方のセンサを自由に使うことができるすべての車両１００は、道路上の水を最も確実に検知することができる。車両が前方または後方のセンサだけを自由に使うことができる場合、高速の別の道路使用者を別のセンサ装置、例えばレーダ、カメラまたはライダーを用いても検知することができる。車両が別の道路使用者を検知すると、速度に依存する別のファクターがウォータレベルの計算のために用いられる。

検知頻度が前方および後方で同時に高められる場合、原因はＥＭＶノイズ源であり得る。何故ならば、その信号は光速で伝播し、従ってすべてのセンサが同時に得られるからである。この場合、このノイズ源は取り付け位置に依存して様々な強さでセンサ内に入力することが考慮されてよい。

定置の対象物、例えばコンクリート壁によって、自分で発生させた水雑音が反射され、強められてセンサに達する。車両が定置の対象物を検知すると、同様に、速度に依存するさらに別のファクターがウォータレベルの計算のために用いられる。

センサはレーダの様々な近傍に位置していて、場合によっては車体によって異なる程度で覆われているので、ウォータレベルを計算するための、速度に依存する固有のファクターが各センサのために提供される。たいていは、センサは車両前後方向軸に対して対称的に配置されているので、速度に依存するそれぞれ１つのファクターが、それぞれ２つの互いに対称的に配置されたセンサのために用いられてよい。

一般的に、できるだけすべての提供可能なセンサがウォータレベルの計算のために用いられる。これによって、センサはウォータレベルを様々な高さに見積もるようになっている。センサの位置に応じて、ウォータレベルの計算は確実にまたは不確実に可能であるので、それぞれの位置のための信号の標準偏差も個別に定められる。しかも、センサ個別の標準偏差は、上記影響のうちの１つがセンサ信号に影響を及ぼすと、若しくはどのような計算方法が使用されるかに応じて、改めて修正される。計算されたウォータレベルは、標準偏差によって互いに重み付けされて結合され、この際に、特に高い標準偏差を有するウォータレベルは場合によっては完全に拒否される。結合されたウォータレベルのために、やはり標準偏差が計算される。前方のセンサは、後方のセンサよりも著しく高いウォータレベルを確実に検知することができ、この場合、前方のセンサは湿っているが少ししか濡れていない道路を検知するのに問題がある。従って、前方のセンサのウォータレベル見積もりと共に、低いウォータレベルのための高い標準偏差および高いウォータレベルのための低い標準偏差が、その後のデータの結合のために前提とされる。これに対して、後方のセンサを使用して、湿っていてかつ濡れた道路を非常に確実に検知することができ、一方、非常に短くかつ深い水溜まりの検知に関しては、後方のセンサは前方のセンサほど確実に行うことはできない。このような検知は、後方のセンサの標準偏差が、測定された低いウォータレベルのために小さいことが前提とされ、高いウォータレベルのために大きいことが前提とされることによって、すべてのセンサの測定値の結合時に同様に考慮される。

追加的に、超音波センサの生データから得られたパターン検知によって、存在するウォータレベルを状況に応じて決定することも可能である。例えば車両の傍らを通過することに基づいて、対象物検知のパターンを含む特徴付けられた雑音パターンから、存在する抵抗若しくは道路特性（乾燥している、湿っている、濡れている、・・・）が推測される。

高いウォータレベルにおいて、ハイドロプレーニングが既により低い速度で発生するかまたはより高い速度になってから発生するかどうかに関して、主にタイヤ横断面およびタイヤ接地力が決定的に重要である。低いウォータレベルでは、タイヤ横断面およびタイヤ接地力の他に、タイヤのトレッドパターンおよび側面像も重要な役割を担っている。

車両１００は、どのくらいの速度およびウォータレベルでハイドロプレーニングの前兆が現れるかを学習する。車両１００はこれを、例えばホイール回転数情報、慣性センサ、舵角を用いて個別のホイールのスリップおよび車両安定性を計算するＥＳＰのセンサによって検知する。車両１００が不安定であるかまたは個別のホイールのスリップが異常に大きい場合、これは、ハイドロプレーニングの発生の前兆である。ＥＳＰは、右側または左側でハイドロプレーニングが発生したかどうかも特定することができる。車両１００がハイドロプレーニングをＥＳＰセンサ装置を用いて検知すると常に、車両は、車両速度、タイヤ接地力およびウォータレベルを記憶し、これらのデータをクラウドにも送信する。車両１００は、ウォータレベルを、これが存在している場合には固有の超音波システムによって測定するか若しくはクラウドに問い合わせ、またはこれらの経験値から車両１００若しくはクラウドは将来のために、実際に測定されたウォータレベルがそれぞれの車両１００のためにどのくらい危険であるか、若しくは選択された区間上で前述のウォータレベルがどの程度危険であるか、またハイドロプレーニングを確実に避けることができるためには車両１００の最大速度をどのくらいの強さで低下させることが必要であるかについて、より良好に見積もることができる。

湿った道路では、乾燥した道路におけるよりも、車間距離制御／クルーズコントロールが、先行する車両に対してより大きい車間距離を自動的に調整する。非常ブレーキアシストは、衝突事故を避けるために、乾燥した道路におけるよりも早期に作動する。

濡れた道路では、車間距離制御／クルーズコントロールが、クルーズコントロールの最大選択可能な目標速度を低下させ、湿った道路におけるよりも長い、先行する車両に対する車間距離を自動的に維持する。運転者が所定の速度を超えると、運転者はハイドロプレーニングを警告される。非常ブレーキアシストは、衝突事故を避けるために、湿った道路におけるよりも早期に作動する。

道路上のウォータレベルが高い場合、車間距離制御／クルーズコントロールが、クルーズコントロールの最大選択可能な目標速度を低下させ、濡れた道路におけるよりも長い、先行する車両に対する車間距離を自動的に維持する。濡れた道路におけるよりも低い速度を既に超えていると、運転者は警告される。非常ブレーキアシストは、衝突事故を避けるために、濡れた道路よりもさらに早期に作動する。

例えば一定のウォータレベルで車両速度が上昇するか、または予測された水溜まり／轍において、ハイドロプレーニングの危険性がより長い期間予測される場合、クラウドによって車間距離／制御クルーズコントロールおよび速度制限の目標速度の低下が行われる。追加的に、エンジントルクの低下および／またはブレーキ作動（例えば下り坂走行時）が行われる。運転者は、例えば表示または警告音によって警告される。

緊急に測定されたハイドロプレーニングの危険性において（突然の深い水溜まり／轍）、車間距離／制御クルーズコントロールが遮断され、エンジントルクが低下される。さらに、速度を低下させるための適切なブレーキ作動および車両の安定化が実施される。緊急のハイドロプレーニングの危険性においては、尾部のスリップを避けるために、後輪ではなくできるだけ前輪で制動されるべきである。運転者は、例えば表示または警告音によって警告される。

道路上の水は、多くの故障および散発的な欠陥の原因である。車両１００が、構成要素の１つの欠陥を検出すると、実際の周囲温度、車両速度およびエンジン回転数だけではなく、その欠陥が、乾燥した、湿った、濡れたまたは水浸しの道路において発生したかどうかについても記憶する。しかも特に高速走行時で非常に深い水の中を通過する場合、その結果がそのようなものとして記憶され、その情報が工場に提供される。

図２は、１実施例による道路状態情報１１２を管理するための情報ネットワーク２００の図を示す。この情報ネットワーク２００は、図１に示されているように道路状態を検知するための装置を有する車両１００と、このような装置を有していない車両２０２とをネットで結ぶ。

ここに示された状況の１例では、装置を有する２台の車両１００、および装置を有していない１台の車両２０２が、道路２０４上を走行している。これらの車両１００，２０２は、大きい車間距離を保って相前後して走行している。特にこれらの車両は互いの視界の外で走行している。道路２０４の区間セクション２０６は、異なる道路状態を有している。ここ２０６は、濡れているか、またはそれどころか道路上に水が存在している、区間セクション内の道路２０４である。装置を有する、先行する車両１００は、区間セクション２０６に到達している。装置は、道路状態を少なくとも濡れていると検知する。何故ならば、区間セクション２０６内での誤検知対象物の検出頻度が、乾燥した区間セクション内におけるよりも明らかに高いからである。特に誤検知対象物の検出頻度は、濡れ値よりも高い。装置は、道路状態情報１１２および位置情報１１８を情報ネットワーク２００へ送信する。道路状態情報１１２は、少なくとも濡れていると検知された道路状態に関する情報を含む。

装置を有する第２の車両１００は、区間セクション２０６にまだ到達していない。第２の車両１００は乾燥した道路２０４上を走行している。第２の車両１００は、情報を情報ネットワーク２００に伝送する。道路状態は正常であると検知されるので、ここでは位置情報１１８だけが伝送される。

第３の車両２０２の位置は、ここでは少なくとも概ね別の源から検知されている。情報ネットワーク２００で、車両１００，２０２の位置が互いに関連付けられる。この場合、第２および第３の車両１００，２０２は、濡れた区間セクション２０６のすぐ手前に位置していて、この濡れた区間セクション２０６にまもなく到達するであろうことが検知される。従って、水分に関する警告メッセージ２０８が第２および第３の車両１００，２０２に送信される。それにより、運転者支援システム並びに／または第２および第３の車両１００，２０２の運転者は、例えば速度および／または安全車間距離を、予期された濡れた道路状態に適合させることにより、相応に反応する。

車両１００は、算出されたウォータレベルおよび標準誤差を、ＧＰＳ位置および場合によっては実際の車線若しくは走行方向と共に、移動無線通信を介してクラウドに報告し、このクラウドがこれらのデータを、別の車両１００のデータおよび別の気象データ２１０と結合させて妥当化する。ウォータレベルを自分で予測できない車両２０２も、次に見込まれるルートセクションのためのまだ安全な最大速度または予測された最大ウォータレベルをクラウドから呼び出すことができる。

図３は、１実施例による、センサデータに含まれるセンサ信号１０６およびノイズレベル３００の図を示す。この場合、センサデータは、概ね図１のセンサデータに相当する。センサ信号１０６およびノイズレベル３００は線図に示されており、この線図は、その横座標に時間が示されていて、縦座標に強度が示されている。センサ信号１０６は、センサによって送信された信号の、センサに受信されたエコー３０２を描写する。時間は、ここでは信号およびエコー３０２の到達時間を表す。センサ信号１０６の推移変化は信号の送信時点で開始する。信号は図示されていない。信号は、ここでは超音波信号である。超音波信号は、センサから音速で伝播する。超音波信号が対象物にぶつかると、戻され若しくは反射され、再び音速で伝播する。表示された第１のエコー３０２は、第１の受信時点でセンサによって検知される、送信された信号の成分を描写する。表示された第２のエコー３０２は、第２の受信時点でセンサによって検知される、送信された信号の成分を描写する。エコー３０２の送信時点と受信時点との間の時間長さが短ければ短いほど、送信器と対象物との間の間隔は短い。

エコー３０２が受信されなければ、センサはセンサ信号１０６内で暗騒音３０４を描写する。第２のエコー３０２は、ここでは暗騒音３０４よりも明らかに高い強度を有している。第１のエコー３０２は暗騒音３０４よりも僅かに高い強度しか有していない。エコー３０２と暗騒音３０４とを区別できるようにするために、ノイズレベル３００が暗騒音３０４から算出される。ノイズレベル３００は、センサ信号１０６の平滑化された平均値に基づく。さらに、ノイズレベル３００は平均値に対して、やや高い強度の方へシフトされている。エコー３０２は短く、大きいカットオフ特性を有している。エコー３０２の強度は、ノイズレベル３００を上回っている。エコー３０２がノイズレベル３００をより大きく上回っていればいるほど、実際に対象物で反射されたエコー３０２を検知した確率はより高い。それとは逆に、エコー３０２がノイズレベル３００と比較して弱ければ弱いほど、検知確率は低い。しかしながら、ノイズレベル３００よりも僅かに高いだけの強度、つまりノイズレベル３００を僅かだけ上回っている強度を有するエコー３０２は、誤検知されたエコー３０２と表示されるが、抑制されない。

各センサは、個別の基本ノイズを測定する。これらの最小のノイズは、音響的な信号が原因として排除されるかまたは不可能であるときに、常に学習され得る。各センサの学習された個別のノイズは、さらなる演算に提供される前に、常に測定された生の値から抜き出される。

図４は、第１実施例による、人工的な水溜まりを通過する際に検出されたセンサデータ１０８を示す。センサデータ１０８は、横座標に進行する時間が秒［ｓ］で示されている線図に示されている。縦座標に、互いに独立した２つの値が示されている。一方の値は、受信されたエコー３０２のためのセンチメートル［ｃｍ］で示した距離値である。他方の値は、デシベル［ｄＢ］で示したノイズレベル３００の値である。この場合、センサデータ１０８は、時間的に相前後して実施された多数の測定を描写する。各測定時に、ノイズレベル３００のための少なくとも１つの値が示されている。１つの対象物で反射されたエコー３０２が受信されると、エコーの到達時間が距離値として示されている。追加的に、エコーの検知確率が確認されている。ノイズレベル３００およびエコー３０２は、様々な記号によって特徴付けられている。

これらのセンサデータ１０８を検出する車両は、概ね図１および図２に示されている車両に相当し、３０ｋｍ／ｈ乃至１００ｋｍ／ｈの間の速度で人工的な水溜まりを通って走行している。この場合、車両はハイドロプレーニングによって一時的に接地状況を失う。人工的な水溜まりの通過時にノイズレベル３００は、２３ｄＢまでだけ急激に上昇する。人工的な水溜まりの後でノイズレベル３００は、再び人工的な水溜まりの前と同じレベルに低下する。

車両が人工的な水溜まりを通って走行する間、一時的に誤検知対象物４００の多くのエコー３０２がセンサによって検出される。誤検知対象物の検知頻度は急激に上昇する。車両が人工的な水溜まりに達する前では、僅かな誤検知対象物４００が検出されるだけである。検知頻度はここでは低い。人工的な水溜まりの後で検知頻度は再び同様に低くなる。

ここに紹介された提案において、車両状態を推測するために、検知頻度が評価される。このために、検知頻度の１つの値が、道路状態のための少なくとも１つの期待値と比較される。道路状態はこの比較結果を用いて検知される。

様々な道路状態のために様々な期待値が規定されている。期待値は、車両型式および車両内のセンサの取り付け位置に依存してもいる。

センサは、対象物４００の誤検知を引き起こす（誤検知またはＦＰ対象物４００）自然の測定ノイズを有している。センサは、ＦＰ対象物４００の理論的に２０％が測定ノイズに起因し得るように、設計されてよい。このような設計によって、非常に弱いエコーもセンサによって検知され、コントロールユニットに転送され、このコントロールユニットによって評価され得ることが保証される。

風切り音および水分は、センサにおけるノイズを高め、それによってＦＰ対象物４００の数も２０％を超えて上昇させる。従って、ＦＰ対象物４００の数を評価することによっても道路上の水を検知することができる。

ノイズレベル３００は、ハイドロプレーニング窪地を通過する際に明らかに増大するので、この時点で増加したＦＰ対象物４００も検知される。さらに経過すると、ノイズレベル３００およびＦＰ対象物４００の数も再び低下する。センサ表面に発生する雨滴は、やはりＦＰ対象物４００をもたらし、この場合、その数はノイズレベル３００に依存しない。それゆえ、特に、センサ信号が雨滴によって影響を受けるということが除外され得るときに、ＦＰ対象物４００の数からノイズレベル３００が推測され得る。これは、高い車両速度において、特に後方および側方に取り付けられたセンサにおいてそうである。

最後に、「有する」、「含む」その他の概念は、その他の要素またはステップを除外しない、また、「１つ」または「１つの」は、複数を除外しない、ということを指摘しておく。請求項に記載した符号は、制限ではないと見なされる。

１００ 車両
１０２ 道路状態を検知するための装置
１０４ センサシステム
１０６ センサ信号
１０８ センサデータ
１１２ 道路状態情報
１１４ 運転者支援システム
１１６ 車両１００の速度のための最大値
１１８ 位置情報
２００ 情報ネットワーク
２０２ 装置１０２を有していない車両
２０４ 道路
２０６ 区間セクション
２１０ 気象データ
３００ ノイズレベル
３０２ 第１および第２のエコー
３０４ 暗騒音
４００ 誤検知対象物、ＦＰ対象物

Claims (15)

1. 車両（１００）の音響的なセンサシステム（１０４）のセンサデータ（１０８）を用いて車両（１００）の範囲内の道路状態を検知するための方法において、
   実際の道路状態を検知するために、評価のステップで、センサデータ（１０８）内に描写された、誤検知対象物（４００）の検知頻度を評価し、この場合、前記検知頻度の最新値を、道路状態に割り当てられた少なくとも１つの期待値を用いて評価することを特徴とする、道路状態を検知するための方法。
2. 前記評価のステップで、前記検知頻度の最新値が湿り値よりも小さいときに、乾燥状態を実際の道路状態として検知し、前記最新値が湿り値よりも大きいときに、湿った状態を実際の道路状態として検知し、前記最新値が濡れ値より大きいときに、濡れた状態を実際の道路状態として検知し、かつ／または前記最新値がハイドロプレーニング値よりも大きいときに、ハイドロプレーニング状態を実際の道路状態として検知し、この場合、特に濡れた状態が検知されると、制限速度値からハイドロプレーニングの警告メッセージを提供する、請求項１記載の方法。
3. 調整のステップを有しており、該調整のステップで、検知された実際の道路状態を用いて、車両（１００）のための最大許容速度を表す最高速度値および／または先行車両に対する最小許容車間距離を表す車間距離値を調整する、請求項１または２記載の方法。
4. 前記評価のステップで、道路状態として、車両（１００）の範囲内のウォータレベルを検知し、この場合、様々なウォータレベルに様々な期待値が割り当てられている、請求項１から３までのいずれか１項記載の方法。
5. 前記評価のステップにおいて、検知頻度を狭い周波数範囲内で評価し、この場合、前記検知頻度（３００）を特に超音波スペクトル内で評価する、請求項１から４までのいずれか１項記載の方法。
6. 前記評価のステップで、前記検知頻度を、さらに車両（１００）の実際の速度を表す速度値および／または実際の風ベクトルを表す風情報を用いて評価する、請求項１から５までのいずれか１項記載の方法。
7. 前記評価のステップで、前記センサシステム（１０４）の様々なセンサによって検出された検知頻度を別個に評価する、請求項１から６までのいずれか１項記載の方法。
8. 前記評価のステップで、車両（１００）に互いに対称的に取り付けられた、前記センサシステム（１０４）の複数のセンサによって検知頻度を評価する、請求項７記載の方法。
9. 前記評価のステップで、様々な道路状態を検知するために、車両（１００）に取り付けられた、前記センサシステム（１０４）の複数のセンサの様々な位置の様々な検知頻度を用いる、請求項７または８記載の方法。
10. 前記評価のステップで、前記検知頻度を、さらに少なくとも１つの対象物に対する車両の間隔を表す間隔情報並びに、対象物の音響発生特性および／または音響反射特性を用いて評価する、請求項１から９までのいずれか１項記載の方法。
11. 前記評価のステップで、対象物の前記音響発生特性を演算するために、対象物の絶対速度および／または車両（１００）の実際速度を表す速度値を用いる、請求項１０記載の方法。
12. 提供するステップを有しており、該提供するステップで、実際の道路状態を表す道路状態情報（１１２）および車両（１００）の実際の位置を表す位置情報（１１８）を上位の情報ネットワーク（２００）のために提供し、かつ／または実際の道路状態を表す前記道路状態情報（１１２）を、前記上位の情報ネットワーク（２００）によって、車両（１００）の予測された今後の位置のために提供する、請求項１から１１までのいずれか１項記載の方法。
13. 道路状態を検知するための装置（１０２）において、該装置（１０２）は、請求項１から１２までのいずれか１項記載の方法を相応のデバイスで実施、実行かつ／または制御するために構成されている、道路状態を検知するための装置（１０２）。
14. コンピュータプログラムにおいて、請求項１から１２までのいずれか１項記載の方法を実施、実行かつ／または制御するコンピュータプログラム。
15. 機械読み取り可能な記憶媒体において、請求項１４記載のコンピュータプログラムが記憶されている、機械読み取り可能な記憶媒体。

Images