JP2022522907A - 摩擦に適応した車両制御 - Google Patents

Abstract

システムは、車両の車輪の滑りに応じて路面の種類と車両のタイヤとの間の摩擦を記述する摩擦関数を用いて、車両を制御する。各摩擦関数のパラメータは、タイヤの剛性を定義する摩擦関数の初期勾配と、摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含む。滑りおよびタイヤの剛性を推定するときに、システムは、タイヤの現在の剛性に対応する摩擦関数のパラメータをメモリから選択し、選択されたパラメータによって定義された摩擦関数に従って、タイヤの滑りに対応する摩擦の値を用いて制御指令を決定し、制御指令を車両の駆動装置に送信する。

Description

本発明は、車両の制御に関し、より詳しくは、車両の車輪に作用するタイヤ摩擦の変動に応じて、車両の適応制御を行うための方法および装置に関する。

最適化ベースの制御および推定技術、例えばモデル予測制御（ＭＰＣ）には、システムの動態および制約を直接に取り入れることができるモデルベースの設計フレームワークを利用することができる。ＭＰＣは、多くの用途に使用され、様々の複雑な動的システムを制御する。このようなシステムの例示として、生産ライン、自動車エンジン、ロボット、数値制御機械加工、衛星、および発電機が挙げられる。

ＭＰＣは、システムのモデルの有限区間のリアルタイム最適化に基づく。ＭＰＣは、将来のことを予測することができ、適切な制御動作を実行することができる。これは、制約を受ける将来の有限時間区間におけるシステムの動作を最適化し、現在の時間ステップにおいて制御を実施することによって達成される。

ＭＰＣは、制御変数の変動によって引き起こしたシステムモデルの状態変数の変動を予測することができる。状態変数は、システムの状態を定義する。すなわち、被制御システムの状態は、任意の所定の時間におけるシステムの全体的な状態を表すことができる制御システムの状態空間表現において最小セットの状態変数である。例えば、被制御システムが自律車両である場合、状態変数は、車両の位置、速度、および方位を含んでもよい。ＭＰＣは、システムのモデル、現在のシステム測定値および／または状態推定値、車両の現在の状態、状態制約および制御制約を用いて、車両の将来の状態の変動を計算する。これらの変動は、制御変数および状態変数の両方に対する制約を受ける目標値に追従するように、状態を保持するように計算される。ＭＰＣは、典型的には、実行される各制御変数の最初の変動のみを出力し、次に変更が必要とされるときに計算を繰り返す。

現代の車両における能動安全システムの多くは、車両のタイヤと路面との相互作用を示すタイヤ摩擦に関連する変数を利用する。例えば、アンチロックブレーキシステム（ＡＢＳ）、電子安定制御システム（ＥＣＳ）、および最新の運転者支援システム（ＡＤＡＳ）は、いずれも、最新の安全機構を提供するために、タイヤと路面との相互作用を広く利用している。

タイヤ摩擦を利用して、リアルタイムで車輪付き車両の走行を生成または変更する必要がある。しかしながら、実際には、既製品の車両に利用可能なセンサを用いて、車両のリアルタイム制御時にタイヤ摩擦を測定することは難しい。

タイヤ摩擦は、車両の車輪に加えられる力に依存する。加えられる力として、例えば、アームレバーによる力に変換される操舵トルクまたは制動トルクが挙げられる。理論的には、力が既知である場合、タイヤ特性は、タイヤ摩擦を表すことができる。しかしながら、タイヤ特性は、高度な非線形関係であり、様々な要素、例えば、砂利道路またはアスファルト路面、路面の湿潤度および平坦性、タイヤの空気圧、車両の質量、タイヤの温度、タイヤの摩耗に依存する。車載用センサは、誤差が生じやすく、大きなノイズおよび大きな時間変動による変異に影響されるため、リアルタイムで、すなわち、車両の制御時にタイヤ特性を推定することは、困難である。また、力センサは、非常に高価であるため、力センサを用いた直接測定は、コストを最小限に抑えるための車両の生産にとって実用的な選択ではない。

したがって、リアルタイムで車両の走行を制御するために、タイヤ摩擦を決定し、使用する必要がある。また、車両の車輪に作用するタイヤ摩擦の変動に応じて、車両の適応制御を行う必要がある。また、摩擦適応制御を行うために高価なセンサの使用を回避するまたは少なくとも最小化する必要がある。さらに、車両の正常運転（normal driving）および／または異常運転（aggressive driving）中に車両を制御する必要または車両の制御を補助する必要がある。

いくつかの実施形態の目的は、様々な道路状況下で車両の走行を制御するためのシステムおよび方法を提供することである。いくつかの実施形態の別の目的は、車両の走行時にタイヤ摩擦をリアルタイムで取り入れ、様々な道路状況に適合するように車両の走行を制御するための方法を提供することである。いくつかの実施形態の別の目的は、車両の車輪と車両が走行している道路との間の摩擦を検知することなく、タイヤ摩擦を取り入れる方法を提供することである。車両は、本明細書に使用された場合、任意の種類の車輪付き車両、例えば、乗用車、バス、または探査車であってもよい。

追加的にまたは代替的に、一実施形態の目的は、予測区間において摩擦を推定するためのモデル予測制御（ＭＰＣ）に摩擦を取り入れることである。

タイヤ摩擦は、車両の車輪に加えられる力に依存する。加えられる力として、例えば、アームレバーによる力に変換される操舵トルクまたは制動トルクが挙げられる。例えば、タイヤと路面との接触によって生成された力に関連する１つの要素は、滑りである。前後方向において、すなわち、車輪の進行方向において、滑りは、車輪の回転速度または前後速度のうち、どちらか大きい方、すなわち、車輪が加速しているかまたは制動しているかのいずれかによって正規化された車輪の前後速度および回転速度の差で定義される。横方向において、すなわち、車輪の横方向において、滑りは、車輪の回転進行方向と車体の進行方向とのなす角で定義される。

摩擦関数は、タイヤが加えられた力に応じた変形に抵抗する度合いを定義する。具体的には、摩擦関数は、車両の車輪の滑りに応じて、路面と車両のタイヤとの間の摩擦を記述する。車両に作用する現在の摩擦を測定することは、困難である。したがって、いくつかの実施形態の目的は、各時点における実際の摩擦を測定する必要の有無に関わらず、摩擦関数を用いて、車両の走行を制御することである。いくつかの実施形態の別の目的は、摩擦関数を用いて、車両の正常運転および／または異常運転中に車両の走行を制御することである。

例えば、滑りが小さい正常運転中に、摩擦関数は、タイヤの剛性を定義する初期勾配を含む。正常運転は、本明細書に使用された場合、普通運転、例えば車両の緊急制動および回避操舵を殆どしない都心部の日常運転として定義される。正常運転は、車両の車輪に大きな力を加える異常運転とは対照的である。本明細書では、異常運転は、車両がタイヤ材料のタイヤへの付着限界付近で動作するような、十分に大きな制動／加速トルクおよび／または操舵トルクでの運転として定義される。例えば、タイヤ特性関数の線形領域の有効性は、異なる路面間で異なるが、アスファルト路面上で約４ｍ／ｓ^２までの加速度の場合、すなわち、アスファルト路面に利用可能な全力の約４０％を加えた場合、線形関数でタイヤ特性関数を近似することができる。一例として、製品タイプの自動車横滑り防止制御システムは、操舵輪角度と前後速度を用いて予測された測定値と、線形近似したタイヤ特性関数を用いた車両モデルとの偏差を測定する。偏差が閾値を超える場合、安全制動を作動する。したがって、正常運転の１つの例示的な対策は、作動閾値よりも十分に小さい値で運転することである。すなわち、異常運転ではない運転は、正常運転である。

異常運転の場合、車輪は、より大きく滑り、より大きな力／摩擦の変動を引き起こす。この変動は、高度に非線形である。例えば、力の範囲および道路の種類に関わらず、より大きな制動／操舵トルクを加える場合、力が減少する時点で、ほぼ全ての面に対して最大の摩擦が存在する。この時点以降、車輪の滑りが増加すると、タイヤ特性が小さくなる。最大の力を超える場合に動態が不安定になるため、最大の力を超える大きな車輪滑りの場合、所望の車輪滑りを維持することがより困難である。したがって、車両は、ピークを超えないように車輪滑りが十分に小さくなるように制御されることが多い。

したがって、摩擦関数は、正常運転に概ね対応する線形部分と、異常運転に概ね対応する非線形部分とを含む。正常運転の場合、摩擦関数は、徐々に且つ予測可能に変動する。通常、車両は、正常運転時の力と一致する力で制御される。このような制御は、より安全であり、十分な時間およびデータを有するため、車両制御中に摩擦関数の線形部分を学習することができ、学習した線形部分を用いて車両を制御することができる。例えば、いくつかの実施形態は、タイヤの剛性を用いて推定された車両の現在の状態と車両の現在の状態の測定値とを比較することによって、タイヤの剛性の現在の状態を決定するように構成されたフィルタを使用する。換言すれば、車両の制御中に、リアルタイムで摩擦関数の線形部分を学習することは可能であり、安全である。

これに対して、異常運転の場合、摩擦関数は、急激且つ非線形に変動する。したがって、摩擦関数の線形部分の値を用いて車両を制御することは、車両制御の精度および安全性を損ねる可能性がある。また、異常運転中に摩擦関数が非線形で変動し且つ異常運転という特殊な形態で運転される時間が比較的短いため、摩擦関数の非線形部分を学習することは、現実的でない。したがって、車両のリアルタイム制御中に摩擦関数の非線形部分を迅速に推定できる方法が必要である。本発明者らの知る限り、このような方法は、まだ存在していない。したがって、車両が異常運転される場合、高価で不確かな専用センサを使用せずにタイヤ摩擦を推定することは難しい。

いくつかの実施形態は、摩擦関数が既知である場合、現在の摩擦を測定しなくても、車輪のタイヤと車両が走行している道路との摩擦を考慮した走行モデルを用いて、車両の制御を行うことができるという認識に基づいている。実際、正常運転または異常運転に関わらず、様々な技術を用いて、車輪の現在の滑りを決定することができる。例えば、前後加速度センサ、横加速度センサ、回転速度センサ、操舵輪センサ、および車輪速度センサを含むいくつかのセンサからの情報を併用して、現在の滑りを決定することができる。したがって、摩擦関数が既知である場合、車両制御装置は、摩擦関数に従って、タイヤの滑りに対応する摩擦の値を使用することができる。事実上、摩擦関数が既知である場合、摩擦を測定する必要なく、推定することができる。

追加的にまたは代替的に、摩擦の測定は、現時点における摩擦の現在の推定値のみを生成する。一実施形態の目的は、予測区間において摩擦を推定するためのモデル予測制御（ＭＰＣ）に摩擦を取り入れることである。

いくつかの実施形態は、車両の現在の状態、およびもし利用可能な場合には車両の目標状態に基づいて、予測区間における車両の滑りを精確に予測することができるという認識に基づいている。摩擦関数が既知である場合、ＭＰＣは、予測区間における滑りの変動の予測に基づいて、予測区間における摩擦の変動を予測することができ、予測区間における摩擦の変動を用いて、制御指令を決定することができる。事実上、摩擦関数の情報があれば、ＭＰＣの精度を高める。

したがって、車両の走行時にリアルタイムで摩擦関数を推定する必要がある。タイヤ特性が高度に非線形であり、車両が走行している路面に依存し且つタイヤの空気圧、車両の質量、タイヤの温度、およびタイヤの摩耗などの他の要素にも依存するため、車両の走行時にリアルタイムで摩擦関数を推定することは、困難である。

いくつかの実施形態は、長さに沿って摩擦関数をパラメータ化することができるという認識に基づいている。例えば、摩擦関数のパラメータは、本明細書において線形パラメータと称される摩擦関数の線形部分を定義することができ、または本明細書において非線形パラメータと称される摩擦関数の非線形部分を定義することができる。路面とタイヤとの間の相互作用の線形パラメータは、タイヤ摩擦／力（摩擦は、力を質量で割ったものである）と車輪滑りとの間の線形関係を表す。物理的解釈は、車輪の接地面が、車輪に加えられたトルク／力に応じて変形し、滑ることである。線形パラメータは、各車輪のタイヤの剛性を定義する摩擦関数の初期勾配の値を含む。タイヤの剛性は、一般的に前進方向および横方向において異なるため、通常、各車輪には、２つの異なる力対滑りの曲線、場合によって互いに依存する力対滑りの曲線がある。追加的にまたは代替的に、線形パラメータは、キャンバ角およびオフセットパラメータを含むことができる。

非線形パラメータは、摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせを含む。例えば、ピーク摩擦因子は、有効な最大の摩擦、すなわち、車輪滑り時の摩擦曲線のピークを決定し、形状因子は、非線形摩擦関数の形状を決定し、曲率因子は、曲線のピーク周りの特性を決定する。

いくつかの実施形態は、摩擦関数を含む走行モデルが摩擦関数の線形パラメータおよび非線形パラメータを含む走行モデルに置き換えることができるという認識に基づいている。このように置き換えることで、推定の精度を実質的に低下させることなく、摩擦関数の計算を単純化する。しかしながら、リアルタイムで摩擦関数のパラメータを決定する必要がある。車両の走行時に、リアルタイムで剛性などの線形パラメータを安全に学習することができるが、リアルタイムで非線形パラメータを学習することができない。

いくつかの実施形態は、探索データ分析（ＥＤＡ）を用いて見出した発見、すなわち、摩擦関数の異なるパラメータの間には安定した関係または規則があるという発見に基づいている。具体的には、特定の種類の路面に対して、摩擦関数の非線形パラメータは、摩擦関数の線形パラメータに依存する。この関係に従って、予め求められた非線形パラメータ、例えばオフラインで求められた非線形パラメータと、リアルタイムで求められた線形パラメータとを関連付けることができる。

例えば、いくつかの実施形態は、複数の摩擦関数のパラメータを決定し、メモリに格納する。各摩擦関数は、車両の車輪の滑りに応じて、特定の種類の路面と車両のタイヤとの間の摩擦を記述する。異なる種類の路面の例としては、乾燥アスファルトまたは濡れアスファルト、固まった雪または新鮮な雪、および氷が挙げられる。各摩擦関数のパラメータは、少なくとも１つの線形パラメータ、例えばタイヤの剛性を定義する摩擦関数の初期勾配と、少なくとも１つの非線形パラメータ、例えば摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含む。

タイヤの剛性を決定するときに、実施形態は、メモリから、タイヤの剛性の現在の状態に対応する摩擦関数のパラメータを選択する。このような選択によって、実施形態は、正常運転および異常運転の両方のタイヤ摩擦を決定することができる。例えば、いくつかの実施形態は、摩擦関数のパラメータを含む車両の走行モデルを用いて制御指令を決定し、道路上で車両を走行させるために、車両の駆動装置に制御指令を送信する。このモデルは、車両の走行の動態をより正確に表す。

いくつかの実施形態は、摩擦関数が主に路面に依存するが、タイヤの空気圧、車両の質量、タイヤの温度、およびタイヤの摩耗などの他の要素にも依存するという認識に基づいている。いくつかの実施形態は、異なる路面の摩擦関数のオフラインパラメータだけでなく、他の要素を考慮して同一の路面の摩擦関数のオフラインパラメータを決定することもできるという認識に基づいている。例えば、いくつかの実施形態は、アスファルト道路および特定の種類の車両、例えばセダンまたはＳＵＶの摩擦関数のパラメータを決定する。しかしながら、上記の要素の異なる組み合わせを用いて摩擦関数の全ての可能な変動のパラメータを決定および使用することは、計算上不可能である。

いくつかの実施形態は、線形パラメータと非線形パラメータとの間の関係が確率的であるという認識に基づいている。この確率的な関係は、相互であるが、現実的には剛性の状態の確率分布として表される。例えば、確率分布の平均値は、タイヤおよび路面の種類、例えばアスファルトまたは雪による剛性の変動をモデル化し、平均偏差は、道路の凹凸、新鮮な雪の堆積、混合条件の道路などの路面の変動、および／または摩擦に影響を及ぼす他の要素の変動による外乱をモデル化する。

したがって、いくつかの実施形態は、路面の種類を示す平均値と、外乱によって引き起こした不確実性を示す平方偏差とを用いて、タイヤの剛性の現在の状態の確率分布を決定するように構成された確率フィルタを使用する。確率フィルタの例としては、車両の状態を補足する平均値および平方偏差を有するカルマンフィルタ、粒子フィルタ、またはいわゆる変分ベイズ法を用いて推定された平均値および平方偏差を有するカルマンフィルタが挙げられる。

例えば、一実施形態は、剛性の現在の状態の確率分布に従って、閾値を超える最大の確率を有する剛性を含む摩擦関数を選択する。しかしながら、代替的な実施形態は、車両の確率分布を使用して、車両制御の安全性を増加させる。これらの実施形態は、様々なシミュレーションおよび実験から得られた認識、すなわち、剛性の状態の変動が異なる摩擦関数の選択を調整することができる場合、より滑り易い路面、すなわち摩擦がより低い路面に対応する摩擦関数を選択する必要があることに基づいている。例えば、剛性の現在の状態が異なる確率でアスファルト道路および雪道に対応する場合、いくつかの実施形態は、雪道の走行に対応する摩擦関数を選択する傾向がある。

例えば、１つの実施形態は、摩擦関数ごとに異なる閾値であって、対応する閾値を超える剛性を含む摩擦関数を選択する。例えば、摩擦関数に対応する閾値は、第２のピーク摩擦が第１のピーク摩擦よりも大きいときに、第１のピーク摩擦を含む第１の摩擦関数の第１の閾値が第２のピーク摩擦を含む第２の摩擦関数の第２の閾値よりも小さくなるように、摩擦関数のピーク摩擦の値に反比例する。事実上、このような選択は、道路状況に対する情報がより不確定である場合、異常とならないように車両を制御することができる。

別の例として、一実施形態は、記憶されたメモリと推定されたタイヤの剛性との間の尤度を最大にすることによって、すなわち、確率分布の平均偏差を考慮した適合度を最大にすることによって、剛性を含む摩擦関数を選択する。この方法は、外乱による変動を考慮し、道路状況に対する情報がより不確定である場合に、異常とならないように車両を制御することができる。

したがって、一実施形態は、道路上で走行している車両を制御するためのシステムを開示する。このシステムは、車両の状態を示す測定値を受け入れるように構成された入力インターフェイスと、複数の摩擦関数のパラメータを記憶するように構成されたメモリとを含み、各摩擦関数は、車両の車輪の滑りに応じて、路面の種類と車両のタイヤとの間の摩擦を記述し、各摩擦関数のパラメータは、タイヤの剛性を定義する摩擦関数の初期勾配と、摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含み、システムの実行可能な構成要素を動作させるようにプログラムされた少なくとも１つのプロセッサを含み、実行可能な構成要素は、測定値を処理することによって、車両の車輪の滑りを含む信号を推定するように構成された信号調整装置と、信号調整装置によって推定された信号と、入力インターフェイスによって受け入れられた測定値とのうちの１つまたは組み合わせを用いて、車両の車輪のタイヤの剛性の現在の状態を推定するように構成された剛性推定装置と、メモリから、タイヤの現在の剛性に対応する摩擦関数のパラメータを選択するように構成されたパラメータ選択装置と、選択されたパラメータによって定義された摩擦関数に従って、タイヤの滑りに対応する摩擦の値を用いて制御指令を決定し、車両を道路上で走行させるために、制御指令を車両の駆動装置に送信するよう構成された制御装置とを含む。

別の実施形態は、道路上を移動する車両を制御するための方法を開示する。この方法は、複数の摩擦関数のパラメータを記憶するメモリに連結されたプロセッサを使用し、各摩擦関数は、車両の車輪の滑りに応じて、路面の種類と車両のタイヤとの間の摩擦を記述し、各摩擦関数のパラメータは、タイヤの剛性を定義する摩擦関数の初期勾配と、摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含み、プロセッサは、方法を実施する記憶された命令に連結され、命令は、プロセッサによって実行されると、プロセッサに方法の以下のステップを実行させ、すなわち、車両の状態を示す測定値を受け入れるステップと、測定値を処理することによって、車両の車輪の滑りを含む信号を推定するステップと、信号調整装置によって推定された信号と、入力インターフェイスによって受け入れられた測定値とのうちの１つまたは組み合わせを用いて、車両の車輪のタイヤの剛性の現在の状態を推定するステップと、メモリから、タイヤの現在の剛性に対応する摩擦関数のパラメータを選択するステップと、選択されたパラメータによって定義された摩擦関数に従って、タイヤの滑りに対応する摩擦の値を用いて制御指令を決定するステップと、車両を道路上で走行させるために、制御指令を車両の駆動装置に送信するステップとを含む。

さらに別の実施形態は、方法を実行するために、プロセッサによって実行可能なプログラムを具体化する非一時的なコンピュータ可読記憶媒体を開示する。媒体は、複数の摩擦関数のパラメータを記憶するように構成され、各摩擦関数は、車両の車輪の滑りに応じて、路面の種類と車両のタイヤとの間の摩擦を記述し、各摩擦関数のパラメータは、タイヤの剛性を定義する摩擦関数の初期勾配と、摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含む。この方法は、車両の状態を示す測定値を受け入れるステップと、測定値を処理することによって、車両の車輪の滑りを含む信号を推定するステップと、信号調整装置によって推定された信号と、入力インターフェイスによって受け入れられた測定値とのうちの１つまたは組み合わせを用いて、車両の車輪のタイヤの剛性の現在の状態を推定するステップと、メモリから、タイヤの現在の剛性に対応する摩擦関数のパラメータを選択するステップと、選択されたパラメータによって定義された摩擦関数に従って、タイヤの滑りに対応する摩擦の値を用いて制御指令を決定するステップと、車両を道路上で走行させるために、制御指令を車両の駆動装置に送信するステップとを含む。

車両の走行を制御するために、いくつかの実施形態によって使用された異なる摩擦関数を示す概略図である。 垂直抗力で正規化された乾燥アスファルトの場合に車輪に作用している力をより詳細に示す図１Ａの拡大図である。 いくつかの実施形態によって使用された摩擦関数を定義する異なる種類のパラメータを示す表である。 サマータイヤおよび中サイズの乗用車を用いて得られた異なる種類の道路および異なる種類の車両およびタイヤの組み合わせの異なる関数の値を示す表である。 サマータイヤおよび中サイズの乗用車を用いて得られた異なる種類の道路および異なる種類の車両およびタイヤの組み合わせの異なる関数の値を示す表である。 一実施形態に従って、道路上で走行している車両を制御するための方法の１回の反復を示すブロック図である。 いくつかの実施形態に従って、道路上を移動し且つ環境と相互作用する車両を制御するための制御システムを示す概略ブロック図である。 いくつかの実施形態に従って、選択されたパラメータと様々な車両制御装置との相互作用を示すブロック図である。 一実施形態に従って、剛性状態推定装置およびパラメータ選択装置の接続を示す概略構造図である。 一実施形態に従って、車両からの内部信号を決定または推定するための方法を示すブロック図である。 いくつかの実施形態に従って、剛性の状態を決定するための方法を実施するための方法の１回の反復を示すフローチャート図である。 一実施形態に従って、車両の状態および車両のタイヤの剛性の状態を同時に推定するための方法を示すフローチャートである。 いくつかの実施形態によって使用された剛性の状態の可能な空間を定義する確率分布関数を示すグラフである。 一実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。 別の実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。 いくつかの実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。 いくつかの実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。 いくつかの実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。 一実施形態に従って、路面の分類を示すグラフである。 一実施形態に従って、複数の摩擦関数が異なる確率で決定された剛性を有する場合に、摩擦関数のパラメータの選択を示す概略図である。 一実施形態によって使用される初期状態６１０を有する車両を示す図である。 一実施形態に従って、同じ初期状態６１０を有し、場合によって同じバイアス項のセンサを有するが、タイヤの別の特定のパラメータセットを有する車両を示す図である。 様々な実施形態によって使用されるいくつかの原理に従って決定された異なる動作を示す概略図である。 いくつかの実施形態に従って、車両の走行を示す図である。 一実施形態に従って、車両の可能な状態に対して確率密度関数を使用してサンプリングされたパラメータの確率的な選択を示すグラフである。 図６Ｅの確率密度関数とは異なる確率密度関数に従ってサンプリングされたパラメータの確率的な選択を示す別のグラフである。 いくつかの実施形態に従って、車両の剛性の状態および状態を推定し、車両を制御するための方法の１回の反復を示すフローチャートである。 一実施形態に従って、剛性値の状態セットを決定するための例示的な実装を示すフローチャートである。 いくつかの実施形態に従って、各サンプリングされた剛性の状態の確率を決定することによって、車両の走行の測定値と合致する走行を生成するための方法を示すフローチャートである。 いくつかの実施形態に従って、各反復に５つのサンプリングされた剛性値を生成する場合に、方法の３つの反復の結果を示す簡略図である。 図７Ｄの第１の反復の５つの状態に割り当てられた可能な確率を示す図である。 一実施形態に従って、車両の駆動装置の動作を制御するための制御システムを示すブロック図である。

図１Ａは、車両の走行を制御するために、いくつかの実施形態によって使用された異なる摩擦関数を示す概略図である。摩擦関数は、乾燥アスファルト路面１１０、濡れアスファルト路面１２０、および雪路面１３０などの異なる種類の路面の滑りに応じて、道路上を走行する車両タイヤに作用する力の大きさの変動を示す。タイヤ特性は、高度に非線形であり、タイヤの空気圧、車両の質量、タイヤの温度、およびタイヤの摩耗などの他の要素にも依存する。本明細書では、車両は任意の種類の車輪付き車両、例えば、乗用車、バス、または探査車であってもよい。

図１Ａは、滑りを除いた全ての要素が固定値である場合の一例を示す。それ自体は、タイヤ特性を示している。図１Ａにおいて、力は前後方向にかかる力である。この場合、滑りは、車輪の前後速度と回転速度の差を車輪の回転速度または前後速度のいずれかで正規化した値で定義される。図１Ａにおいて、力は横方向にかかる力である。この場合、滑りは、車輪の回転進行方向と車体の進行方向とのなす角で定義される。

滑りが小さい正常運転（normal driving）１２５の場合、摩擦関数は、タイヤの剛性を定義する初期勾配を含む。正常運転は、普通運転、例えば車両の緊急制動および回避操舵を殆どしない都心部の日常運転として定義される。正常運転は、車両の車輪に大きな力を加える異常運転（aggressive driving）とは対照的である。本明細書では、異常運転は、車両がタイヤ材料のタイヤへの付着限界付近で動作するような、十分に大きな制動／加速トルクおよび／または操舵トルクでの運転として定義される。例えば、タイヤ特性関数の線形領域の有効性は、異なる路面間で異なるが、アスファルト路面上で約４ｍ／ｓ^２までの加速度の場合、すなわち、アスファルト路面に利用可能な全力の約４０％を加えた場合、線形関数でタイヤ特性関数を近似することができる。一例として、製品タイプの自動車横滑り防止制御システム（ＥＳＣ）は、操舵輪角度と前後速度を用いて予測された測定値と、線形近似したタイヤ特性関数を用いた車両モデルとの偏差を測定する。偏差が閾値を超える場合、安全制動を作動する。したがって、正常運転の１つの例示的な対策は、作動閾値よりも十分に小さい値で運転することである。すなわち、異常運転ではない運転は、正常運転である。

異常運転１３５の場合、車輪は、より大きく滑り、より大きな力／摩擦の変動を引き起こす。この変動は、高度に非線形である。例えば、力の範囲および道路の種類に関わらず、より大きな制動／操舵トルクを加える場合、力が減少する時点で、ほぼ全ての面に対して最大の摩擦が存在する。この時点以降、車輪の滑りが増加すると、タイヤ力が小さくなる。最大の力を超える場合に動態が不安定になるため、最大の力を超える大きな車輪滑りの場合、所望の車輪滑りを維持することがより困難である。したがって、車両は、ピークを超えないように車輪滑りが十分に小さくなるように制御されることが多い。

したがって、摩擦関数は、正常運転に概ね対応する線形部分と、異常運転に概ね対応する非線形部分とを含む。正常運転の場合、摩擦関数は、徐々に且つ予測可能に変動する。通常、車両は、正常運転時の力と一致する力で制御される。このような制御は、より安全であり、十分な時間およびデータを有するため、車両制御中に摩擦関数の線形部分を学習することができ、学習した線形部分を用いて車両を制御することができる。例えば、いくつかの実施形態は、タイヤの剛性を用いて推定された車両の現在の状態と車両の現在の状態の測定値とを比較することによって、タイヤの剛性の現在の状態を決定するように構成されたフィルタを使用する。換言すれば、車両の制御中に、リアルタイムで摩擦関数の線形部分を学習することは可能であり、安全である。

これに対して、異常運転の場合、摩擦関数は、急激且つ非線形に変動する。したがって、摩擦関数の線形部分の値を用いて車両を制御することは、車両制御の精度および安全性を損ねる可能性がある。また、異常運転中に摩擦関数が非線形で変動し且つ異常運転という特殊な形態で運転される時間が比較的短いため、摩擦関数の非線形部分を学習することは、現実的でない。したがって、車両のリアルタイム制御中に摩擦関数の非線形部分を迅速に推定できる方法が必要である。本発明者らの知る限り、このような方法は、まだ存在していない。

図１Ｂは、垂直抗力で正規化された乾燥アスファルトの場合に車輪に作用している力をより詳細に示す図１Ａの拡大図である。このタイヤ力の最大値は、ピーク摩擦１１２と呼ばれる。ピーク摩擦１１２は、異常運転に対応し、いくつかの自動車制御システムにおいて有用である。例えば、ピーク摩擦は、特定の車輪に加えられる制動トルクを判断するためにＥＳＣにおいて有用である。アンチロックブレーキシステム（ＡＢＳ）においてピーク摩擦値および対応する滑り値１１３を使用することによって、最適な制動力を達成することができる。力曲線１１０の初期勾配１１１は、通常、タイヤの剛性と呼ばれる。滑りが小さい正常運転１２５の場合、力曲線は、タイヤ剛性１１１を用いて近似することができる。しかしながら、異常運転１３５の場合、剛性を用いて力曲線を近似することはできない。

剛性１１１は、車両制御、例えばＥＳＣおよびアクティブ前輪操舵（ＡＦＳ）システムにおいて有用である。しかしながら、剛性１１１は、複数のパラメータを定義することができる。タイヤの剛性がピーク摩擦に依存するまたはその逆も同様であるため、例えば、剛性１１１を用いてピーク摩擦１１２を決定することができる。例えば、図１Ａから、乾燥アスファルト１１０、濡れアスファルト１２０、および雪１３０の力曲線を比較することによって、タイヤの剛性値が大きい場合、ピーク摩擦値も大きくなる。したがって、いくつかの実施形態は、車両のタイヤの剛性の状態を決定する。剛性の状態は、車両の少なくとも１つのタイヤと車両が走行している道路との相互作用を定義する少なくとも１つのパラメータを含む。剛性の状態のパラメータは、例えば、タイヤの縦剛性、タイヤの横剛性、タイヤと路面との摩擦のいずれか１つまたは組み合わせを含む。

剛性は、正常運転時の路面とタイヤの相互作用、すなわち、タイヤの摩擦関数を記述するのに有用なパラメータであるが、大きな操舵および／または加速などの異常運転の場合、タイヤ対道路の相互作用の非線形挙動を完全に取り込むことは、不十分である。それにも関わらず、正常運転中の剛性推定値を用いて、タイヤ摩擦関数の非線形部分の特性を決定することができる。

いくつかの実施形態は、長さに沿って摩擦関数をパラメータ化することができるという認識に基づいている。例えば、タイヤと力との関係をモデル化する１つの方法は、マジックフォーミュラ（magic formula）、すなわち、以下の式（１）によって示されたPacejkaモデルを使用することである。

式中、Ｂは、剛性係数を示し、Ｃは、形状因子を示し、Ｄは、ピーク摩擦係数に対応するピーク因子を示し、Ｅは、曲率因子を示す。Ｆ_０は、前後力または横力を示し、ｍは、前後滑りまたは横滑りを示す。式（１）は、高度に非線形であり、摩擦関数の線形部分および非線形部分を定義するパラメータに依存する。

図１Ｃは、いくつかの実施形態によって使用される摩擦関数を定義する異なる種類のパラメータを示す表１４１である。摩擦関数のパラメータは、本明細書において線形パラメータ１４０と称される摩擦関数の線形部分を定義することができ、本明細書において非線形パラメータ１５０と称される摩擦関数の非線形部分を定義することができる。路面とタイヤとの間の相互作用の線形パラメータは、タイヤ摩擦／力（摩擦は、力を質量で割ったものである）と車輪滑りとの間の線形関係を表す。物理的解釈は、車輪の接地面が、車輪に加えられたトルク／力に応じて変形し、滑ることである。線形パラメータは、各車輪のタイヤの剛性を定義する摩擦関数の初期勾配の値を含む。タイヤの剛性は、一般的に前進方向および横方向において異なるため、一般的に、各車輪には、２つの異なる力対滑りの曲線、場合によって互いに依存する力対滑りの曲線がある。図１Ｃは、線形パラメータとしての剛性のみを示している。追加的にまたは代替的に、線形パラメータは、キャンバ角およびオフセットパラメータを含むことができる。

実施形態によっては、制御対象としての車両の動態を記述する走行モデルが摩擦関数を含む場合、現在の摩擦の判定および／または測定を行わずに、車両の車輪のタイヤと車両が走行している道路との摩擦を考慮して、走行モデルを用いて車両の制御を行うことができるという認識に基づいている。走行モデルは、車両の状態、例えば車両の位置および方位を推定する。また、車両の状態は、高価な力センサおよび／または摩擦センサではなく、通常のセンサによって測定することができる。剛性の状態に依存する車両の状態の測定値の例として、例えば、車両の前後速度、横速度、および回転速度を含む。状況によって、車両の状態は、直接に測定されてもよく、または前後加速度センサ、横加速度センサ、回転速度センサ、操舵輪センサ、および車輪速度センサを含むいくつかのセンサからの情報を併用して決定されてもよい。

走行モデルが摩擦関数を含む場合、摩擦を考慮して状態を決定し、現在のタイヤ摩擦以外の測定値を用いて状態を検証する。換言すれば、摩擦関数が走行モデルの一部である場合、走行モデルおよび測定モデルの両方を使用して、正常運転および異常運転の両方の現在の摩擦を決定することができる。したがって、摩擦関数が未知であったとしても、異常運転に対応する摩擦の測定をせずに済む。

したがって、車両の走行時にリアルタイムで摩擦関数を推定する必要がある。タイヤ特性が高度に非線形であり、車両が走行している路面に依存し且つタイヤの空気圧、車両の質量、タイヤの温度、およびタイヤの摩耗などの他の要素にも依存するため、車両の走行時にリアルタイムで摩擦関数を推定することは、困難である。

いくつかの実施形態は、例えば式（１）に示すように、摩擦関数を含む走行モデルが摩擦関数の線形パラメータおよび非線形パラメータを含む走行モデルに置き換えることができるという認識に基づいている。しかしながら、異なる実施形態は、線形パラメータおよび非線形パラメータの異なる組み合わせを含む摩擦関数の異なるパラメータ化を使用する。このような置き換えは、推定の精度を実質的に低下させることなく、摩擦関数の計算を単純化する。それでもなお、リアルタイムで摩擦関数のパラメータを決定する必要がある。剛性などの線形パラメータ１４５は車両の走行時にリアルタイムで安全に学習することができるが、非線形パラメータ１５５はリアルタイムで学習することができない。

いくつかの実施形態は、オフラインで異なる種類の路面の線形パラメータおよび非線形パラメータを学習することができる１６０という認識に基づいている。例えば、専用の力センサを備える試験装置を用いて、パラメータを学習することができる。また、いくつかの実施形態は、探索データ分析（ＥＤＡ）を用いて見出した発見、すなわち、摩擦関数の異なるパラメータの間には安定した関係または規則があるという発見に基づいている。具体的には、特定の種類の路面に対して、摩擦関数の非線形パラメータは、摩擦関数の線形パラメータに依存する。この関係に従って、予め求められた非線形パラメータ、例えばオフラインで求められた非線形パラメータと、リアルタイムで求められた線形パラメータとを関連付けることができる。

したがって、いくつかの実施形態は、複数の摩擦関数のパラメータを決定し、および／または例えば表形式１４１でメモリに格納する。各摩擦関数は、車両の車輪の滑りに応じて、特定の種類の路面と車両のタイヤとの間の摩擦を記述する。異なる種類の路面の例としては、乾燥アスファルトまたは濡れアスファルト、固まった雪または新鮮な雪、および氷が挙げられる。図１Ｃを参照して、各摩擦関数のパラメータは、少なくとも１つの線形パラメータ、例えばタイヤの剛性を定義する摩擦関数の初期勾配と、少なくとも１つの非線形パラメータ、例えば摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含む。

図１Ｄおよび１Ｅは、サマータイヤおよび中サイズの乗用車を用いて得られた、異なる種類の道路並びに異なる種類の車両およびタイヤの組み合わせの異なる関数値を示す表である。ピークは、タイヤ摩擦関数の最大値を決め、タイヤと路面との間の摩擦と共に減少する。形状因子は、曲線の形状を決め、曲率因子は、ピークの周りの曲線の形状を決め、剛性因子は、タイヤ摩擦関数の初期勾配である。例えば、剛性が大きいほど、小さい滑りに対して力が大きくなる。

様々な実施形態において、濡れアスファルト、乾燥アスファルト、新鮮な雪、固まった雪、および砂利を含むがこれらに限定しない様々な異なる種類の道路に対して、異なる関数の値が決定される。いくつかの実施形態において、摩擦選択の不確実性を反映するために、同じ種類の路面に対して、異なる関数の値が決定される。いくつかの実施形態において、異なる種類の車両および／またはタイヤに対して、異なる関数の値が決定される。いくつかの実装形態において、実施形態は、所望の種類の路面、車両およびタイヤの選択を可能にするユーザインターフェイスを含む。

車両の走行中、オンラインで決定されたタイヤの剛性と、オフラインで決定されたタイヤの剛性と比較することができる。対応する剛性、例えば最も近い剛性を有する摩擦関数のパラメータを走行モデルに追加することによって、車両を制御することができる。事実上、摩擦関数のパラメータのオンライン／オフライン選択によって、正常運転および異常運転の両方の現在の摩擦係数を測定する必要がなく、正常運転時の剛性のオンライン決定値を用いて、正常運転および異常運転中の車両を制御することができる。

図２Ａは、一実施形態に従って、道路上で走行している車両を制御するための方法、例えば、所望の位置および速度の基準軌道に従って、道路上の車両を制御するための方法の１回の反復を示すブロック図である。この実施形態は、決定された正常運転の剛性を用いて、摩擦関数の複数のパラメータのうちの１つをメモリから選択することができるという認識に基づいている。この方法は、車両のプロセッサを用いて実施することができる。

この方法は、車両の少なくとも１つのタイヤの剛性の現在の状態２１５ａを決定し（２１０ａ）、メモリに記憶された複数の摩擦関数のパラメータ２０９ａを利用する。各摩擦関数は、車両の車輪の滑りに応じて、路面の種類と車両のタイヤとの間の摩擦を記述する。各摩擦関数のパラメータは、タイヤの剛性を定義する摩擦関数の初期勾配と、摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含む。例示的なパラメータ２０９は、図１Ｄ～１Ｅの表に列挙される。

次に、この方法は、決定された剛性２１５ａを用いて、特定の摩擦関数に対応するパラメータセット２２５ａを選択する（２２０ａ）。この方法は、選択されたパラメータ２２５ａを含む車両の走行モデル２２７ａを用いて、制御指令２３５ａを決定し（２３０ａ）、制御指令２３５ａを車両の駆動装置に送信することによって、道路上で車両を走行させる（２４０ａ）。

図２Ｂは、いくつかの実施形態に従って、道路上を移動し且つ環境２５０と相互作用する車両２００を制御するための制御システム１９９を示す概略ブロック図である。制御システム１９９の異なる構成要素は、車両のメモリおよび／または様々な種類のセンサに動作可能に接続された１つまたは複数のプロセッサを用いて実装することができる。車両は、本明細書に使用される場合、乗用車、バス、または探査車を含む任意の車輪付き車両を意味する。車両は、自律車両、半自動車両、または電子安定制御（ＥＳＣ）および／またはＡＢＳなどの能動的な安全システムを備えた標準車両であってもよい。制御システム１９９は、車両２００の内部に設置されてもよい。制御システム１９９の異なる構成要素の実装は、車両の種類に依存する。例えば、車両の種類に応じて、車両２６０の駆動装置に与える制御指令を生成する制御装置２６０を変更してもよい。

制御システム１９９は、情報２９０を受信し、一部または全ての車輪の車輪速度推定値２２１を生成する信号調整装置２２０を含む。情報２９０は、ＡＢＳからの車輪速度測定値、エンジントルクおよび回転速度、および／またはブレーキ圧を含むことができる。また、制御システム１９９は、計測システム２３０を含み、計測システム２３０は、慣性測定ユニット（ＩＭＵ）を用いて、車両の慣性成分、例えば車両の回転速度および車両の加速度を測定することができる。例えば、ＩＭＵは、３軸加速度計、３軸ジャイロスコープ、および／または磁力計を備えることができる。ＩＭＵは、速度、向き、および／または他の位置関連情報を制御システム１９９の他の構成要素に提供することができる。また、計測システム２３０は、全地球測位システム（ＧＰＳ）または同等物から、位置情報を受信することができる。

また、制御システム１９９は、剛性の状態のパラメータを決定するための剛性状態推定装置２４０を含む。いくつかの実施形態において、剛性状態推定装置は、車両の状態および以前の反復中に決定された剛性の状態から、車両の状態および剛性の状態を反復的に決定するフィルタを含む。いくつかの実装形態において、車両の状態は、車両の速度および方位速度を含むが、車両の位置、方位、および車両の走行に関連する他の量を含んでもよい。

剛性状態推定装置２４０は、計測システムからの情報２３１および信号調整装置２２０からの車輪速度推定値２２１を使用する。計測システム２３０が車両の前後加速度を測定するためのＩＭＵを備える場合、ＩＭＵからの測定値を用いて、タイヤの前後摩擦に関連するパラメータを決定することができる。他の実施形態によれば、計測システム２３０が前後加速度に関する情報を持っていない場合、信号調整装置２２０は、車輪速度推定値および他の要素に基づいて、前後加速度の推定値２２１を出力することができる。追加的にまたは代替的に、剛性状態推定装置２４０は、車輪速度情報２２１に基づいて、前後加速度の推定値を決定することができる。

一実施形態において、車両の状態および路面とタイヤの相互作用を決めるパラメータは、車輪速度およびＩＭＵ情報を組み合わせることによって反復的に推定される。別の実施形態において、摩擦推定システムは、横方向に関する要素のみを含む。この場合、情報２２１は、前後動作に必要な情報を含むことができる。また、剛性状態推定装置２４０は、車両制御装置２６０から、車両の走行に関する情報２６１を受信することができる。この情報は、車両の状態、例えば位置、方位および速度を含むことができ、マシンに直接にまたは遠隔に接続されたハードウェアまたはソフトウェアから受信される。

例えば、剛性状態推定装置は、摩擦値、タイヤの剛性値、タイヤ剛性の確実性の程度、またはそれらの組み合わせを含む剛性の状態２４１を出力することができる。また、制御システム１９９は、パラメータ選択装置２７０を含み、パラメータ選択装置２７０は、剛性の状態２４１を用いて、タイヤ摩擦関数を記述するパラメータセット２７１を決定する。複数のタイヤ摩擦関数のパラメータは、メモリに格納される。

制御システム１９９は、車両制御装置２６０を含み、車両制御装置２６０は、選択されたパラメータ２７１を用いて、制御対象としての車両の１つまたは複数の駆動装置に与える制御指令を生成する。例えば、一実施形態において、パラメータは、モデル予測制御装置（ＭＰＣ）を用いて車両を制御するために、車両の走行モデルにおいて使用される。車両制御装置２６０は、自律運転機能を可能にするために、ＡＢＳ、ＥＳＣ、またはＡＤＡＳなどのスタンドアロンで動作する構成要素、または車両制御装置の組み合わせを含むことができる。例えば、選択されたパラメータは、監視要素としての車両のディスプレイ２１０に表示されるパラメータに対応する摩擦係数を車両の運転手に出力することができる（２７２）。

いくつかの実施形態は、摩擦関数が既知である場合、現在の摩擦を測定しなくても、車輪のタイヤと車両が走行している道路との摩擦を考慮した走行モデルを用いて、車両の制御を行うことができるという認識に基づいている。実際、正常運転または乱暴運転に関わらず、様々な技術を用いて、車輪の現在の滑りを決定することができる。例えば、前後加速度センサ、横加速度センサ、回転速度センサ、操舵輪センサ、および車輪速度センサを含むいくつかのセンサからの情報を併用して、現在の滑りを決定することができる。したがって、摩擦関数が既知である場合、車両制御装置は、摩擦関数に従って、タイヤの滑りに対応する摩擦の値を使用することができる。事実上、摩擦関数が既知である場合、摩擦を測定する必要なく、推定することができる。

追加的にまたは代替的に、摩擦の測定は、現時点における摩擦の現在の推定値のみを生成する。一実施形態の目的は、予測区間において摩擦を推定するためのモデル予測制御（ＭＰＣ）に摩擦を取り入れることである。

いくつかの実施形態は、車両の現在の状態、およびもし利用可能な場合には車両の目標状態に基づいて、予測区間における車両の滑りを精確に予測することができるという認識に基づいている。摩擦関数が既知である場合、ＭＰＣは、予測区間における滑りの変動の予測に基づいて、予測区間における摩擦の変動を予測することができ、予測区間における摩擦の変動を用いて、制御指令を決定することができる。事実上、摩擦関数の情報があれば、ＭＰＣの精度を高める。

図２Ｃは、いくつかの実施形態に従って、選択されたパラメータと様々な車両制御装置との相互作用を示すブロック図である。制御装置２１０ｃは、モデルベースの制御装置であり、摩擦関数のパラメータ２１３ｃを含む走行モデル２１２ｃを用いて、制御対象としての車両の駆動装置２０２ｃに与える制御指令２０４ｃを生成する。例えば、制御装置は、比例積分微分（ＰＩＤ）制御装置であってもよく、または制御装置２１０ｃは、モデル予測制御装置（ＭＰＣ）であってもよい。制御装置２１０ｃは、自律運転を行うためのスタンドアロンで動作する制御装置、または運転手２０７ｃの動作を補助することによって半自動運転を行うためのスタンドアロンで動作する制御装置のいずれかであってもよい。例えば、自律運転の場合、制御装置は、基準軌道２０３ｃ、状態および入力制約２１４ｃ、および走行モデル２１２ｃを受信し、車輪の所望の操舵角度２０４ｃを生成することによって、横方向の動作を制御し、および／または所望の速度または加速度２０４ｃを生成することによって、車両の前後方向の動作を制御する。半自動運転の場合、運転手２０７ｃは、ハンドルを回転することによって操舵角度２０８ｃを生成し、場合によってスロットル／制動力を入力することによって前後加速度を生成する。この場合、ＭＰＣは、限界での運転の場合に、運転者からの入力の修正値を生成することによって、車両を安定させることができる。この場合、ＭＰＣは、駆動装置からの入力２０６ｃを使用する。

走行モデル２１２ｃの一部は、選択されたパラメータ２１３ｃによってパラメータ化されたタイヤ摩擦関数を含む。メモリに記憶されたパラメータ表を使用することによって、リアルタイムで現在の摩擦係数を推定する必要がなくなる。代わりに、この実装形態によれば、ＭＰＣは、予め決められたパラメータを使用する。したがって、予め決められたパラメータによって定義されたタイヤ摩擦関数に現在の滑り値を挿入することによって、タイヤ摩擦を決定することができる。

一実施形態において、制御装置２１０ｃは、現在の摩擦関数に従って、滑りの現在値に対応する摩擦の現在値のみを使用する制御装置である。このような制御装置の例として、例えば、タイヤ摩擦関数を含む走行モデルを用いて、様々な制御方法に従って制御装置のゲインを生成するためのＰＩＤ制御装置またはＨ∞（H-infinity）制御装置を含む。このような制御装置の場合、制御装置を設計する際に重要なのは、摩擦に対する滑りの静的マッピングである。リアルタイム制御を実行するために、制御装置のゲインおよび車両の現在の状態と車両の状態を示す現在の測定値との差を用いて、制御装置の制御指令を決定する。したがって、いくつかの実施形態において、制御装置は、現在の摩擦値を有するため、車両状態を決定する時に正常運転時および異常運転時に、現在の摩擦値を測定することなく車両を制御することができる。

別の実施形態において、制御装置２１０ｃは、ＭＰＣである。ＭＰＣは、制約２１４ｃの存在下で車両の所望の将来挙動２０３ｃを最適化するように動作する。ＭＰＣは、走行モデル２１２ｃおよびタイヤ摩擦関数を定義する選択されたパラメータ２１３ｃを使用する内部予測モデルを使用して、車両の走行モデル２１２ｃおよびパラメータ２１３ｃを最適化する。この場合、ＭＰＣは、最適な状態軌道を得るために、最適な制御指令を決定する。このために、車輪の滑りと摩擦との間の関係を定義するタイヤ摩擦関数を用いて、予測区間における摩擦の変動を決定する。

例えば、一実施形態において、制御指令は、以下の追跡型最適制御問題の数式を解くことによって決定される。

最適制御問題は、非線形計画問題（ＮＬＰ）として知られている。この問題は、様々な方法で解くことができる。

一実施形態において、実時間反復（ＲＴＩ）を使用する逐次二次計画法（ＳＱＰ）を用いて、ＮＬＰを解くことができる。ＲＴＩ方法は、各制御時間ステップの各ＳＱＰ反復に基づくものであり、１つの時間ステップから次の時間ステップへの状態および制御軌道の継続ベースのウォームスタートを使用する。この実施形態において、各反復は、少なくとも２つのステップ、具体的には、（１）システムの動態を離散化および線形化し、残りの制約関数を線形化し、二次目的近似を評価することによって、最適な制御構造化ＱＰサブ問題を構築する準備段階と、（２）ＱＰを解くことによって、全ての最適化変数の現在値を更新し、次の制御入力を取得し、フィードバックをシステムに適用するフィードバック段階とを含む。

別の実施形態は、主有効制約アルゴリズム内で反復ソルバの前処理に低ランク化を伴うブロック構造分解技術を用いる。これによって、実装が比較的に簡単でありながら、埋め込み制御ハードウェアに適する計算上効率的であり且つ信頼できるＱＰソルバをもたらす。

図２Ｄは、一実施形態に従って、剛性状態推定装置２４０およびパラメータ選択装置２７０の接続を示す概略構造図である。パラメータ選択装置２７０は、パラメータ選択装置２７０のモジュールを実行するための少なくとも１つのプロセッサ２８０に接続される。同様に、剛性状態推定装置２４０は、推定装置２４０のモジュールを実行するための少なくとも１つのプロセッサ２８０に接続される。プロセッサ２８０は、状態およびパラメータの複数の摩擦関数２９１のパラメータおよび車両情報２９２を記憶するメモリ２９０に接続される（２８１）。また、メモリ２９０は、剛性の状態値、計算された車両の各状態値、および車両の各状態を引き起こす動作を含むがこれらに限定されない推定装置の内部情報を記憶する（２９３）。

図２Ｅは、一実施形態に従って、車両からの内部信号を決定または推定するための方法を示すブロック図である。２８１ｅおよび２６１ｅまでのステップは、ＡＢＳ、ＥＳＰ、ＡＤＡＳなどのシステムにまたは自律車両に使用することができる制御ユニットまたは制御回路に実装されてもよい。例えば、入力信号フィルタ２１０ｅは、車輪またはタイヤ２０９ｅの回転速度を処理し、入力信号を決定することによって、信号２１１ｅを生成することができる。これによって、車両の各車輪またはタイヤの回転速度を決定することができる。また、フィルタ２１０ｅは、制動圧力２０８ｅを処理することによって入力信号２１２ｅを決定することができ、エンジン２０７ｅからの回転数およびトルクを処理することによって入力信号２１３ｅを決定することができる。

ブロック２３０ｅは、前後加速度２３１ｅを決定する。制動力推定装置２４０ｅは、加えられた制動圧力２１３ｅを用いて各車輪の制動力２４１ｅを推定する。制御ユニット内のモジュールは、エンジンのトルク値およびエンジンの回転数２１４ｅから、前後駆動力２７１ｅを推定する。ブロック２５０ｅは、例えば前後加速度２３１ｅの推定値を用いて、垂直抗力２５１ｅを推定する。垂直抗力推定値２５１ｅと制動力推定値２４１ｅおよび前後駆動力２７１ｅとを用いて、正規化前後力２６１ｅを決定することができる。車輪半径推定装置２２０ｅは、処理されたタイヤまたは車輪の回転速度２１１ｅおよび正規化前後力２６１ｅの推定値を用いて、車輪半径を補正し、回転速度２２１ｅと共に車輪半径を出力する。例えば、車輪半径推定装置２２０ｅは、車輪滑り２２１ｅを推定する。したがって、信号調整装置２２０は、前後速度推定値２２１ｅ、車輪滑り推定値２８１ｅ、または正規化前後力２６１ｅ、またはそれらの組み合わせを剛性状態推定装置２４０に提供することができる。したがって、一実施形態において、剛性の現在の状態は、信号調整装置からの情報２２１を使用するフィルタによって決定される。別の実施形態において、車輪滑り推定値２８１ｅは、車両制御装置２６０に送信される。

図３Ａは、いくつかの実施形態に従って、剛性の状態を決定するための方法２１０ａを実施するための方法の１回の反復を示すフローチャートである。一実施形態において、方法は、フィルタ３０１によって実施される。フィルタ３０１は、タイヤの剛性を用いて推定された車両の現在の状態と、車両の現在の状態の測定値とを比較することによって、少なくとも１つのタイヤの剛性の現在の状態を決定するように構成される。測定値は、信号２２１におけるものと同様である。この方法は、以前の反復に決定された剛性の状態３１０ａを用いて、車両の現在の状態を推定する（３２０ａ）。次に、方法は、車両の現在の状態３２５ａと車両の現在の状態の測定値３２６ａとを比較し、剛性の現在の状態の推定値３３５ａを生成することによって、剛性の現在の状態を決定する（３３０ａ）。

いくつかの実施形態において、フィルタ３０１は、確定的フィルタであり、すなわち剛性の数値を決定する。例えば、確定的フィルタ３１０は、非線形関数を近似するように収集されたデータのビンを用いて、非線形最適化を用いて摩擦およびタイヤ剛性の誤差を最小化するように実装されてもよい。追加的にまたは代替的に、いくつかの実施形態において、フィルタ３０１は、路面の種類を示す平均値と、外乱によって引き起こした不確実性を示す平方偏差とを用いて、タイヤの剛性の現在の状態の確率分布を決定するように構成された確率フィルタである。いくつかの実施形態は、図２Ｂの計測システム２３０から取得され、剛性状態推定装置に直接に送信され、またはいくつかの前処理２２０の後に剛性状態推定装置に送信され、前処理された測定値２２１をもたらす測定値２３１は、測定の品質に影響を及ぼす測定ノイズを有するという認識に基づいている。例えば、車両の加速度および方位速度を測定する慣性測定ユニット（ＩＭＵ）は、測定値を不確定にするノイズおよび時間変動バイアス、すなわちオフセットを有する。

したがって、いくつかの実施形態は、確率フィルタを用いて剛性の現在の状態を決定する。例えば、一実施形態において、フィルタは、リアルタイムでより多くの測定値を収集するため、各時間ステップにおいて車両の状態および剛性の状態の確率分布関数を決定する。次いで、確率分布関数を用いて、パラメータ選択に有用な剛性の状態の重要な特性を決定することができる。例えば、確率フィルタは、確率分布から求められた剛性の状態の確率分布の平均値および剛性の状態の平方偏差を出力する。

いくつかの実施形態は、決定された剛性の状態の平均値および平均偏差を用いて、車両を制御するために使用され得る特定のタイヤ摩擦関数に対応するパラメータを選択する。例えば、一実施形態において、剛性の状態の平均は、例えば、アスファルトまたは雪などの路面の種類を示し、平均偏差は、例えば道路上の穴または突風などの外乱によって引き起こした不確実性を示す。これらの外乱は、測定値に影響を及ぼすため、道路情報の確実性を低下する。

確率フィルタとしては、例えば、車両の状態を増強する平均値および平均偏差を有するカルマンフィルタ、粒子フィルタ、またはいわゆる変分ベイズ法から推定された平均値および平方偏差を有するカルマンフィルタが挙げられる。このような場合に、剛性の状態の走行モデルを用いて、剛性の状態で車両の状態を補足することによって、剛性の状態を決定することができる。

図３Ｂは、一実施形態に従って、車両の状態、例えば、車両の速度および方位速度、および車両のタイヤの剛性の状態を同時に推定するための方法を示すフローチャートである。この実施形態は、未知のタイヤパラメータが、車両の走行モデルまたは確定的な走行モデルに作用する確率的外乱として見なされるという認識に基づいている。確率的外乱は、本質的に、車両の可能な異なる走行、したがって可能な異なる状態を引き起こす。

したがって、いくつかの実施形態は、メモリから、車両の走行モデルおよび確定的成分３２５ｂおよび確率的成分３２６ｂを有する車両の測定モデルを取得する（３３０ｂ）。例えば、車両の走行モデルは、走行の確定的成分と走行の確率的成分の組み合わせを含み、走行の確定的成分は、剛性の状態から独立しており、時間に従って車両の走行を定義し、走行の確率的成分は、不確実性を有する剛性の状態を含み、車両の走行に対する外乱を定義する。同様に、車両の測定モデルは、剛性の状態から独立した測定値の確定的成分と、剛性の状態を含む測定値の確率的成分との組み合わせを含む。

実施形態は、粒子セット３４５ｂを用いて、剛性の状態３４０ｂおよび車両の状態を表す。各粒子は、測定された状態または同時推定の以前の反復中に決定された状態であり得る車両の状態を含む。追加的にまたは代替的に、粒子は、剛性の状態のパラメータの可能な空間を定義する剛性の状態の平均値および平方偏差を含む。剛性の状態を確率的に表現することによって、すなわち、平均値および平均偏差を使用することによって、車両の走行に対する確率的外乱を取り入れることができる。しかしながら、剛性の状態の平均値および平方偏差は、車両のモデルに適合しない。したがって、本実施形態において、平均および平均偏差によって定義された剛性の状態のパラメータの可能な空間をサンプリングし、サンプリングされたパラメータを同時推定に使用する。

図３Ｃは、いくつかの実施形態によって使用された剛性の状態の可能な空間３００ｃを定義する確率分布関数３４０ｃを示すグラフである。関数３４０ｃの形状は、予め決定することができる。例えば、剛性の状態の分布がガウス分布である場合、分布３４０ｃの形状は、「ガウス」状である。形状が一定である場合、平均値３１０ｃおよび平均偏差３３０ｃは、分布３４０ｃおよび剛性の状態のパラメータをサンプリングすることができる可能な空間３００ｃを定義する。

剛性の状態のパラメータをサンプリングすることは、本明細書に使用された場合、剛性の状態の平均値および平方偏差によって定義された分布３４０ｃによって定義された確率を用いてパラメータを引き出すことを意味する。例えば、分布１４０ｄに従って、引き出されるまたはサンプリングされるサンプル３２０ｃの確率は、サンプル３５０ｃの確率よりも高い。このような表現により、剛性の状態の平均値および平方偏差を更新すること（３６０ｃ）によって、剛性の状態をサンプリングするための更新された可能な空間を定義する更新された分布３４５ｃを生成することができる。本実施形態は、平均および剛性の状態の平方偏差の更新は、更新された分布から引き出され、次の反復に使用される剛性の状態のパラメータの値に影響を与えることに基づいている。

したがって、方法は、剛性の状態の平均値および平方偏差を含む粒子のうち、少なくとも１つを更新すること（３５０ｂ）によって、更新された粒子セット３５５ｂを生成する。例えば、実施形態は、粒子の可能な空間からサンプリングされたパラメータを有する剛性の状態を含む車両の走行モデルを用いて推定された剛性の推定状態と、車両の状態の測定値３４６ｂを用いて測定モデルに従って決定された剛性の測定状態との間の差を用いて、少なくとも一部の粒子の平均値および平方偏差を反復的に更新する。

次に、方法は、少なくとも１つの粒子の更新された平均値および更新された平方偏差の関数３３５ｂとして決定された剛性の状態３６５ｂの平均値および平方偏差を出力する（３６０ｂ）。関数３３５ｂの例は、粒子セット中の粒子の平均値および平方偏差の平均、例えば加重平均、および測定状態３４６ｂを表す最大確率を有する粒子の平均値および平方偏差を選択する極大関数を含む。

例えば、一実装形態において、方法は、測定状態を中心とする測定モデルの確率分布を用いて、車両の状態および剛性の状態の確率分布を決定する。測定モデルの確率分布は、例えば、過去の時点で決定された剛性の状態の平方偏差を用いて予め決定することができる。次に、この方法は、車両の状態および剛性の状態の確率分布上の粒子の平均値の位置に従って、各粒子の剛性の真の状態を表す確率を決定する。この確率は、出力３６５ｂを決定する際に関数３３５ｂによって使用される。

いくつかの実施形態において、制御装置は、推定された剛性の状態の平均値に従って、メモリに記憶された摩擦関数に対応する複数のパラメータセットからパラメータを選択する。例えば、一実施形態において、制御装置は、推定された剛性の状態に従って、最良の適合度を有する摩擦関数を選択する。すなわち、複数の摩擦関数の剛性を比較するときに、推定された剛性の状態に最も近い剛性を有する摩擦関数を選択する。他の実施形態において、推定された剛性の状態の平均偏差を選択に使用することによって、車両の測定値および走行モデルの不確定性を考慮する。

図４Ａは、一実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。この例では、剛性４１１ａ、４２１ａおよび４３１を有する３つの摩擦関数４１０ａ、４２０ａおよび４３０ａは、メモリに格納されている。剛性の現在の状態の推定平均値は、４１２ａであり、４１１ａ、４２１ａおよび４３１ａとは異なる。制御のために摩擦関数４１０ａ、４２０ａ、または４３０ａを使用するか否かを選択する際、実施形態は、推定された剛性の現在の状態を中心とする確率分布に摩擦関数の剛性を置き、閾値４１３ａを超える最大の確率を有する摩擦関数４１１１ａを選択する。例えば、図４Ａにおいて、アスファルトの摩擦関数に対応する剛性４１１ａは、最大の確率を有するため、選択される。

図４Ｂは、別の実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。図４Ｂは、閾値を超える最大の確率を有する剛性の状態が存在しない状況を示し、これは、剛性の状態がライブラリ内の摩擦関数に対応する可能性がないことを意味する。このことは、例えば、測定データに異常値があるときまたは剛性推定値の急激変動を引き起こす他の不確実性があるとき、またはメモリに十分な摩擦関数がないとき、例えば車両が急に砂利道路に進入するが、砂利道路に対応する摩擦関数がメモリに記憶されないときに起こり得る。この場合、異なる実施形態は、いくつかのオプションを使用する。例えば、一実施形態において、より低い摩擦面をとることが車両の乗客にとって通常より安全であるため、最も低いピーク摩擦に対応する摩擦関数が選択される。その結果、制御装置は、保守的になる。別の実施形態において、閾値を超える最新の摩擦関数が選択される。これは、例えば、剛性の状態の推定値が測定値の突発的な誤差によるものである場合に適する。

図４Ｃ、４Ｄおよび４Ｅは、いくつかの実施形態に従って、摩擦関数のパラメータの確率的な選択を示すグラフである。これらの実施形態において、剛性の推定状態を用いて、剛性の現在の状態の確率分布に従って、対応する閾値を超える剛性を含む摩擦関数を選択する。異なる閾値は、異なる摩擦関数に対応する。

例えば、図４Ｃを参照して、平均値４１２ｃを中心とする剛性の状態の確率分布４０１ｃに剛性を置くときに、確率４１１ｃ、４２１ｃおよび４３１ｃは全て、対応する閾値４１３ｃ、４２３ｃおよび４３３ｃを超える。したがって、制御装置は、剛性の現在の状態の確率分布に応じた確率で摩擦関数４１１ｃ、４２１ｃおよび４３１ｃを選択する。しかしながら、図４Ｄでは、４１１ｃおよび４２１ｃのみは、対応する閾値４１３ｃ、４２３ｃおよび４３３ｄを超える。したがって、４１１ｃおよび４２１ｃのみは、剛性の現在の状態の確率分布に応じた確率で選択される。

いくつかの実施形態において、閾値は、対応する摩擦関数のピーク摩擦に従って選択される。例えば、摩擦関数に対応する閾値は、第２のピーク摩擦が第１のピーク摩擦よりも大きいときに、第１のピーク摩擦を含む第１の摩擦関数の第１の閾値が第２のピーク摩擦を含む第２の摩擦関数の第２の閾値よりも小さくなるように、摩擦関数のピーク摩擦の値に反比例する。図４Ｅを参照して、閾値４１３ｅは、閾値４２３ｅよりも大きく、閾値４２３ｅは、閾値４３３ｅよりも大きい。また、摩擦関数４１０ｅのピーク摩擦４１１ｅは、摩擦関数４２０ｅのピーク摩擦４２１ｅよりも大きく、摩擦関数４２０ｅのピーク摩擦４２１ｅは、摩擦関数４３０ｅのピーク摩擦４３１ｅよりも大きい。

実際には、可変閾値は、摩擦関数のパラメータを保守的に選択することを可能にするため、車両制御の安全性を高める。例えば、現在の剛性がいくつかの異なる確率で複数の摩擦関数に属する場合、より滑りやすい路面の摩擦関数が選択される。

図５Ａは、一実施形態に従って、路面の分類を示すグラフである。更新された剛性の状態を使用して、複数の摩擦関数から摩擦関数を選択する。図５Ａは、剛性状態推定装置が、平均５１１および平均偏差５１２を有する剛性の状態を特定する状況を示している。剛性推定値５１１が不確定であるが、不確定性の度合いがいくつかの所定の閾値５４０より小さいため、いくつかの所定の確率を有する剛性値を用いて、路面を乾燥アスファルトとして分類することができる。閾値は、９９％の確信度、９９．５％の確信度、または他の値として定義することができる。また、閾値を変更することができる。例えば、車両の速度に応じて、閾値を選択することができる。

したがって、いくつかの実施形態は、剛性の状態の平均値および平方偏差を用いて路面を分類する。例えば、一実施形態において、剛性の状態の平方偏差が、濡れアスファルト路面５２２または雪５３１で覆われた路面などの異なる種類の路面に対応する値を含まない限り、路面の種類は、剛性の状態の平均値に基づいて決定される。図５Ａを一例として、一実施形態は、剛性の状態の平均偏差に基づいて低い確率で路面を濡れアスファルトとして分類できない限り、路面の種類を乾燥アスファルトとして分類する。追加的にまたは代替的に、一実施形態は、剛性の状態の平均値に基づいて路面の種類を決定し、剛性の状態の平方偏差に基づいて路面の種類の確率を決定する。図５Ａを一例として、実施形態は、１と５１３との間の差によって決定される確率で、路面の種類を乾燥アスファルトとして分類する。例えば、５１２が５１１からの３つの標準偏差として選択される場合、標準偏差は、平均偏差の平方根であり、実施形態は、約０．９９７の確率で路面の種類を乾燥アスファルトとして分類する。

一実施形態において、路面の種類の分類を用いて、メモリから、路面の種類に対応する摩擦関数のパラメータを取得する。例えば、分類手順は、道路を乾燥アスファルトとして決定し、メモリに記憶された乾燥アスファルトに対応する複数の摩擦関数からのパラメータを取得し、車両を制御する。

図５Ｂは、一実施形態に従って、複数の摩擦関数が異なる確率で決定された剛性を有する場合に、摩擦関数のパラメータの選択を示す概略図である。この実施形態において、決定された剛性の状態５１１の平均偏差５１２ｂは、乾燥アスファルトおよび濡れアスファルトの両方を包含する。しかしながら、図４Ｅから、濡れアスファルトが乾燥アスファルトより小さいピーク摩擦を有するため、選択された路面は、濡れアスファルトである。換言すれば、一実施形態は、ピーク摩擦値が最も小さい剛性の状態の平方偏差に包含された路面の種類を選択する。

いくつかの実施形態は、未知の剛性の状態を、車両の走行モデルまたは確定的な走行モデルに作用する確率的外乱として扱う。確率的外乱は、本質的に、車両の可能な異なる動作、したがって可能な異なる状態を引き起こす。したがって、いくつかの実施形態は、車両の走行モデルが、走行の確定的成分と走行の確率的成分の組み合わせを含むという認識に基づいている。走行の確定的成分は、剛性の状態から独立しており、時間に従って車両の走行を定義する。一方、走行の確率的成分は、不確実性を有する剛性の状態を含み、外乱として車両の走行に作用する。したがって、剛性の状態の走行モデル（時間進展）を知ることなく、タイヤの剛性の状態を含む車両の走行をモデル化することができる。

いくつかの実施形態において、車両の状態は、車両の状態の走行モデルに従って、時間と共に動的に進化する。車両の走行モデルおよびタイヤの力モデルを慎重に選択すれば、車両の状態の動作は、車両の状態によって完全に決まる１つの確定部分と、１つの不確定部分として記述することができる。不確定部分は、タイヤの剛性の状態および車両の状態の測定の不確実性の両方に依存する。例えば、車両の走行モデルは、いくつかの非線形関数に従って記述することができる。

いくつかの実施形態は、剛性の状態、車両の状態、および測定値のバイアス項を同時に取り入れることによって、タイヤの剛性の状態を正確に推定できることを認める。一実施形態において、量は、量の組み合わせが測定ベクトルを説明する可能性に確率を割り当てることによって推定される。

図６Ａは、一実施形態によって使用される初期状態６１０を有する車両を示す図である。タイヤのパラメータセットおよびシステムへの所定の入力の場合、車両は、走行６１１ａに従い、６３０ａで終了する。結果として、不確実性６３１ａをもたらす。計測システム２３０の不確実性によって、特定の領域６２０に入る車両の状態しか分からない。しかしながら、車両６３０ａの終了状態は、領域６２０内に存在するため、車両の剛性の状態、バイアス項および初期状態という特定の組み合わせは、良い組み合わせである確率が高い。

図６Ｂは、一実施形態に従って、同じ初期状態６１０を有し、場合によって同じバイアス項のセンサを有するが、タイヤの別の特定のパラメータセットを有する車両を示す図である。システムへの同じ入力の場合、車両６１０は、今度、走行６１１ｂに従い、状態６３０ｂで終了する。結果として、不確実性６３１ｂをもたらす。しかしながら、車両の終了状態６３０ｂは、センサの確信エリア内に存在しない。したがって、初期状態、タイヤのパラメータ、およびバイアス項という特定の組み合わせは、良好な組み合わせである確率が低い。

図６Ｃは、様々な実施形態によって使用されるいくつかの原理に従って決定された異なる走行を示す概略図である。車両は、道路境界６４０ｃを有する道路上に位置し、現在の状態６１０を有すると推定される。現在の状態６１０の推定値は、本発明の他の実施形態に従って、以前の反復で求められる。線６１９ｃおよび６２９ｃは、剛性の２つの異なる状態を用いて決定される２つの異なる走行であるため、車両の２つの可能な状態６２０ｃおよび６３０ｃをもたらす。灰色領域６１１ｃは、計測システム２３０のセンサの不確実性、すなわち、センサの既知のノイズのモデリングによって決定された可能な走行領域を示す。走行６１９ｃのみは、不確定領域内に位置する。したがって、走行６２９ｃに起因する状態６２０ｃおよび走行６２９ｃに関連する剛性の状態は、良好な組み合わせである確率が低い。

図６Ｄは、車両の状態に対する車両の走行を確率密度関数６１２ｄの形にモデル化した図である。確率密度関数６１２ｄの初期条件６０９ｄは、いくつかの実施形態に従って、以前の反復において決定された。いくつかの実施形態において、走行は、以下のように計算される。第１に、初期状態から終了状態までのいくつかの走行を決定する。異なる走行は、特定の走行に属する車輪またはタイヤのパラメータセットに従って開始する。第２に、異なる走行と計測システム２３０によって計測された真の走行と合致度を決定する。第３に、計測システム２３０によって計測された真の走行との合致度を決定した異なる走行のパラメータを決定する。例えば、図６Ｄにおいて、２つの異なる走行は、状態６２０ｃおよび６３０ｃをそれぞれ引き起こし、車両の走行の確率密度関数６１２ｄは、両方の走行と一致する。しかしながら、異なる走行と計測システムの確率密度関数６１１ｃとの合致度を決定した後、状態６２０ｃと一致しない確率密度関数６３１ｄが得られる。本発明の特定の実施形態において、得られた確率密度関数６３３ｄは、方法の別の反復の基礎を形成する。

いくつかの実施形態は、粒子の剛性の状態を用いて推定された車両の状態と測定状態との間の差に基づいて、剛性の真の状態を表す各粒子の確率を決定する。例えば、一実施形態は、車両の状態の確率密度関数を用いてそのような確率を決定する。

図６Ｅは、一実施形態に従って、確率密度関数６３１に従って車両の可能な状態に対してサンプリングされたパラメータの確率的な選択を示すグラフである。例えば、確率密度関数６３１は、測定モデルの確率分布であってもよい。この確率分布の形状は、例えば、ガウス形状または異なる形状として予め決定することができる。この確率分布６３１の位置は、測定状態６３５を中心とする。したがって、一実施形態は、測定状態を中心とする測定モデルの確率分布６３１を用いて、車両の状態および／または剛性の状態の確率分布を決定する。したがって、本実施形態は、車両の状態および剛性の状態の確率分布上の粒子の平均値の位置に従って、剛性の真の状態を表す各粒子の確率を決定することができる。

例えば、本実施形態において、初期状態およびパラメータ値の１つのサンプルを車両の走行モデルに送信することによって、初期状態から次の状態６２１への車両の移行を推定し、次の状態６２１に対応する点６２３における車両の状態に対する確率密度関数の値６２２を、車両の状態および／または剛性の状態の確率として精確に選択する。

図６Ｆは、図６Ｅの確率密度関数６３１とは異なる確率密度関数６５１に従ってサンプリングされたパラメータの確率的な選択を示す別のグラフを示す。例えば、確率密度関数６５１は、測定状態の変動に基づいて更新された分布である。この例では、次の状態６２１に対応する点６４３における車両の状態に対する確率密度関数６５１の値６２２を、車両の状態および／または剛性の状態の確率として選択する。

図７Ａは、いくつかの実施形態に従って、車両の剛性の状態および状態を推定し、車両を制御するための方法６９９の１回の反復を示すフローチャートである。この方法は、および初期状態および初期パラメータセットから始まり、車両のモデルを特定するパラメータセットおよび関連の確率、および車両の走行を記述する車両の状態を決定する。異なる実施形態において、車両の初期状態は、推定された車両の現在の状態である、および／または車両の初期状態は、方法の以前の反復に決定された剛性の状態に対応する車両の状態である。

走行は、車両の状態を結び付ける状態遷移によって定義される。例えば、図６Ａに示すように、走行は、車両の２つの推定状態を結び付ける。各状態は、少なくとも車両の速度および方位速度を含む。この方法のステップは、推定装置２４０および／または車両のプロセッサ２７０によって実行される。動作は、終了条件、例えば一定の期間または所定の反復回数が満たされるまで、反復的に決定される。図７Ａの方法の反復は、以下のステップを含む。

方法６９９は、サンプリングされた剛性の状態セット、および車両の状態の静的制約および動的制約を満たす状態セットへの遷移セットを決定する（７００）。例えば、この方法は、図６Ｃの状態遷移６１９ｃ、６２９ｃおよび状態６３０ｃ、６２０ｃを決定する。次に、方法６９９は、車両の走行の測定値と一致する状態への走行を生成するように、ステップ７００でサンプリングされた剛性の各状態の確率を決定する（７１０）。

方法６９９は、各状態の確率を、状態を推定するために使用される剛性の状態の粒子の確率として使用して、各粒子の更新された平均値および更新された平方偏差の重み付き組み合わせを使用する関数に従って、剛性の集合状態７２１を決定する（７２０）。例えば、組み合わせの重みは、各粒子の剛性の真の状態を表す確率によって決定される。追加的にまたは代替的に、関数は、最も可能な粒子の剛性の状態を選択する。他の実施形態は、異なる関数を使用して剛性の状態を決定する（７２１）。この剛性の状態を使用して、車両を制御することができる（７４０）、および／または路面を分類することができる（７３０）。

図７Ｃは、いくつかの実施形態に従って、各サンプリングされた剛性の状態の確率を決定することによって、車両の走行の測定値と合致する走行を生成するための方法７１０を示すフローチャートである。各剛性値の確率を決定するときに、次の状態７０２と測定値との整合性が決定され（７１１）、各状態の確率が計算される（７１２）。例えば、一実施形態は、図６Ｅおよび６Ｆに記載された原理を用いて確率を決定する（７１２）。

図７Ｄは、いくつかの実施形態に従って、各反復に５つのサンプリングされた剛性値を生成する場合に、ステップ７００、７１０および７２０の３つの反復の結果を示す簡略図である。初期状態７１０ｄは、走行モデルとシステムへの入力と動態モデルをパラメータ化するために使用された５つのサンプリングされた剛性値とを用いて、時間７１１ｄの前に予測され、５つの次の状態７２１ｄ、７２２ｄ、７２３ｄ、７２４ｄ、および７２５ｄを生成する。確率は、測定値７２６ｄおよび測定値７２６ｄのノイズ源およびバイアス７２７ｄのモデルに従って決定される。各時間ステップ、すなわち、各反復において、確率の集合を用いて、タイヤパラメータの集合セットおよび対応する状態７２０ｄを生成する。

図７Ｅは、図７Ｄの第１の反復の５つの状態に割り当てられた可能な確率を示す図である。これらの確率７２１ｅ、７２２ｅ、７２３ｅ、７２４ｅおよび７２５ｅは、状態７２１ｄ、７２２ｄ、７２３ｄ、７２４ｄおよび７２５ｄを示す斑点のサイズを選択する際に反映される。

図８は、一実施形態に従って、車両の駆動装置８０２の動作を制御するための制御システム８０１を示すブロック図である。駆動装置８０２は、指令に応じて、位置、速度、電流、温度、数値などの動作量を変更する装置である。本明細書において、駆動装置の動作は、これらの量を変更するように車両の走行を決定する。制御システムは、例えば状態の一部である所望の軌道または目標点などの所望の車両の走行８０３を受信し、制御入力８０４を介して車両を制御する。制御入力は、車両の走行パラメータを変更する指令を含むことができ、または車両の走行に影響を与え、車両の量８０５を生成するパラメータ、例えば電圧、圧力、トルクおよび力の実際値を含むことができる。

制御システム８０１は、車両に直接にまたは遠隔に接続されたセンサ、ハードウェアまたはソフトウェアから、車両の走行に関する情報８０６を受信する。情報８０６は、車両の状態を含む。車両は、状態を使用して、制御入力８０４を選択する。情報８０６は、走行量８０５の一部または全てを含むことができ、車両の追加情報を含むこともできる。車両の走行に関する制約８１４に従って、量８０５、制御入力８０４またはそれらの組み合わせを所定の範囲に維持することができる。例えば、制約８１４は、道路の中間車線からの最大許容逸脱または車両の最大方位速度を定義することができる。

現在の摩擦係数およびタイヤ全体の摩擦関数を決定することを避けるために、１つの実装形態は、パラメータをデータベースに格納する。一実施形態において、走行モデルは、非線形タイヤ力を用いて、式（１）の単一トラックモデルとしてモデル化され、力のノミナル値は、Pacejkaタイヤモデルを用いて、式（２）としてモデル化される。力のノミナル値は、理論的な滑りの場合、すなわち、前後滑りおよび横滑りの一方がゼロである場合の力である。

式（１）

式（２）

選択されたパラメータは、車輪の滑りに応じて、タイヤ摩擦関数を定義するため、現在の滑りの値をタイヤ摩擦関数に挿入することによって、タイヤ摩擦関数の値を決定することができる。これによって、正常走行および乱暴走行の両方の実際の摩擦を表すことができる摩擦値をもたらす。様々な実施形態によれば、選択されたタイヤ摩擦関数を用いて、ＭＰＣの予測区間における車輪の滑りの変動に従って、摩擦の変動を決定することができる。

上述した本発明の実施形態は、多くの方法で実装されてもよい。例えば、実施形態は、ハードウェア、ソフトウェア、またはそれらの組み合わせを用いて実装されてもよい。ソフトウェアで実装する場合、ソフトウェアコードは、単一のコンピュータに設けられたまたは複数のコンピュータに分散された任意の適切なプロセッサまたは複数のプロセッサ上で実行することができる。このようなプロセッサは、集積回路の構成要素として１つまたは複数のプロセッサを含む集積回路として実装されてもよい。しかしながら、プロセッサは、任意の適切な回路を用いて実装されてもよい。

また、本明細書に記載された様々な方法またはプロセスは、様々なオペレーティングシステムまたはプラットフォームのいずれか１つを使用する１つまたは複数のプロセッサ上で実行可能なソフトウェアとしてコード化されてもよい。さらに、このようなソフトウェアは、多くの適切なプログラミング言語および／またはプログラミングツールもしくはスクリプトツールのいずれかを用いて書かれてもよく、フレームワークまたは仮想マシン上で実行される実行可能な機械言語コードまたは中間コードとしてコンパイルされてもよい。典型的には、プログラムモジュールの機能は、必要に応じて、様々な実施形態に組み合わせられることができ、または分散されてもよい。

また、本発明の実施形態は、例示として提供された方法として具現化されてもよい。方法の一部として実行される動作は、任意の適切な順序で実行されてもよい。したがって、例示的な実施形態では動作を順次に実行すると示しているが、例示の順序とは異なる順序で動作を実行することができ、またはいくつかの動作を同時に実行することができるように、他の実施形態を構成することができる。

本発明を好ましい実施形態の例として説明してきたが、理解すべきことは、本発明の精神および範囲内で他の様々な変更および修正を行うことができることである。したがって、添付の特許請求の範囲の目的は、本発明の真の精神および範囲内に含まれる全ての変形および修正を網羅することである。

例えば、１つの実施形態は、摩擦関数ごとに異なる閾値であって、対応する閾値を超える剛性を含む摩擦関数を選択する。例えば、摩擦関数に対応する閾値は、第２のピーク摩擦が第１のピーク摩擦よりも大きいときに、第１のピーク摩擦を含む第１の摩擦関数の第１の閾値が第２のピーク摩擦を含む第２の摩擦関数の第２の閾値よりも小さくなるように、摩擦関数のピーク摩擦の値に比例する。事実上、このような選択は、道路状況に対する情報がより不確定である場合、異常とならないように車両を制御することができる。

図２Ｃは、いくつかの実施形態に従って、選択されたパラメータと様々な車両制御装置との相互作用を示すブロック図である。制御装置２０１ｃは、モデルベースの制御装置であり、摩擦関数のパラメータ２１３ｃを含む走行モデル２１２ｃを用いて、制御対象としての車両の駆動装置２０２ｃに与える制御指令２０４ｃを生成する。例えば、制御装置は、比例積分微分（ＰＩＤ）制御装置であってもよく、または制御装置２０１ｃは、モデル予測制御装置（ＭＰＣ）であってもよい。制御装置２０１ｃは、自律運転を行うためのスタンドアロンで動作する制御装置、または運転手２０７ｃの動作を補助することによって半自動運転を行うためのスタンドアロンで動作する制御装置のいずれかであってもよい。例えば、自律運転の場合、制御装置は、基準軌道２０３ｃ、状態および入力制約２１４ｃ、および走行モデル２１２ｃを受信し、車輪の所望の操舵角度２０４ｃを生成することによって、横方向の動作を制御し、および／または所望の速度または加速度２０４ｃを生成することによって、車両の前後方向の動作を制御する。半自動運転の場合、運転手２０７ｃは、ハンドルを回転することによって操舵角度２０８ｃを生成し、場合によってスロットル／制動力を入力することによって前後加速度を生成する。この場合、ＭＰＣは、限界での運転の場合に、運転者からの入力の修正値を生成することによって、車両を安定させることができる。この場合、ＭＰＣは、駆動装置からの入力２０６ｃを使用する。

ブロック２３０ｅは、前後加速度２３１ｅを決定する。制動力推定装置２４０ｅは、加えられた制動圧力２１３ｅを用いて各車輪の制動力２４１ｅを推定する。制御ユニット内のモジュールは、エンジンのトルク値およびエンジンの回転数２１４ｅから、前後駆動力２７１ｅを推定する。ブロック２５０ｅは、例えば前後加速度２３１ｅの推定値を用いて、垂直抗力２５１ｅを推定する。垂直抗力推定値２５１ｅと前後力推定値２４１ｅおよび前後駆動力２７１ｅとを用いて、正規化前後駆動力２６１ｅを決定することができる。車輪半径推定装置２２０ｅは、処理されたタイヤまたは車輪の回転速度２１１ｅおよび正規化前後力２６１ｅの推定値を用いて、車輪半径を補正し、回転速度２１１ｅと共に車輪半径を出力する。例えば、車輪半径推定装置２２０ｅは、車輪滑り２２ｅを推定する。したがって、信号調整装置２２０は、前後速度推定値２２１ｅ、車輪滑り推定値２８１ｅ、または正規化前後力２６１ｅ、またはそれらの組み合わせを剛性状態推定装置２４０に提供することができる。したがって、一実施形態において、剛性の現在の状態は、信号調整装置からの情報２２１を使用するフィルタによって決定される。別の実施形態において、車輪滑り推定値２８１ｅは、車両制御装置２６０に送信される。

いくつかの実施形態において、フィルタ３０１は、確定的フィルタであり、すなわち剛性の数値を決定する。例えば、確定的フィルタ３０１は、非線形関数を近似するように収集されたデータのビンを用いて、非線形最適化を用いて摩擦およびタイヤ剛性の誤差を最小化するように実装されてもよい。追加的にまたは代替的に、いくつかの実施形態において、フィルタ３０１は、路面の種類を示す平均値と、外乱によって引き起こした不確実性を示す平方偏差とを用いて、タイヤの剛性の現在の状態の確率分布を決定するように構成された確率フィルタである。いくつかの実施形態は、図２Ｂの計測システム２３０から取得され、剛性状態推定装置に直接に送信され、またはいくつかの前処理２２０の後に剛性状態推定装置に送信され、前処理された測定値２２１をもたらす測定値２３１は、測定の品質に影響を及ぼす測定ノイズを有するという認識に基づいている。例えば、車両の加速度および方位速度を測定する慣性測定ユニット（ＩＭＵ）は、測定値を不確定にするノイズおよび時間変動バイアス、すなわちオフセットを有する。

いくつかの実施形態において、閾値は、対応する摩擦関数のピーク摩擦に従って選択される。例えば、摩擦関数に対応する閾値は、第２のピーク摩擦が第１のピーク摩擦よりも大きいときに、第１のピーク摩擦を含む第１の摩擦関数の第１の閾値が第２のピーク摩擦を含む第２の摩擦関数の第２の閾値よりも小さくなるように、摩擦関数のピーク摩擦の値に比例する。図４Ｅを参照して、閾値４１３ｅは、閾値４２３ｅよりも大きく、閾値４２３ｅは、閾値４３３ｅよりも大きい。また、摩擦関数４１０ｅのピーク摩擦４１１ｅは、摩擦関数４２０ｅのピーク摩擦４２１ｅよりも大きく、摩擦関数４２０ｅのピーク摩擦４２１ｅは、摩擦関数４３０ｅのピーク摩擦４３１ｅよりも大きい。

Claims (20)

1. 道路上で走行している車両を制御するためのシステムであって、
   前記車両の状態を示す測定値を受け入れるように構成された入力インターフェイスと、
   複数の摩擦関数のパラメータを記憶するように構成されたメモリとを含み、各摩擦関数は、前記車両の車輪の滑りに応じて、前記路面の種類と前記車両のタイヤとの間の摩擦を記述し、各摩擦関数の前記パラメータは、前記タイヤの剛性を定義する前記摩擦関数の初期勾配と、前記摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含み、
   前記システムの実行可能な構成要素を動作させるようにプログラムされた少なくとも１つのプロセッサを含み、前記実行可能な構成要素は、
   前記測定値を処理することによって、前記車両の前記車輪の滑りを含む信号を推定するように構成された信号調整装置と、
   前記信号調整装置によって推定された前記信号と、前記入力インターフェイスによって受け入れられた前記測定値とのうちの１つまたは組み合わせを用いて、前記車両の前記車輪の前記タイヤの前記剛性の現在の状態を推定するように構成された剛性推定装置と、
   前記メモリから、前記タイヤの前記現在の剛性に対応する前記摩擦関数のパラメータを選択するように構成されたパラメータ選択装置と、
   前記選択されたパラメータによって定義された前記摩擦関数に従って、前記タイヤの前記滑りに対応する前記摩擦の値を用いて制御指令を決定し、前記車両を前記道路上で走行させるために、前記制御指令を前記車両の駆動装置に送信するよう構成された制御装置とを含む、システム。
2. 前記剛性推定装置は、フィルタを含み、
   前記フィルタは、前記タイヤの前記剛性を用いて推定された前記車両の現在の状態と前記車両の前記現在の状態の測定値とを比較することによって、前記タイヤの前記剛性の前記現在の状態を決定するように構成される、請求項１に記載のシステム。
3. 前記フィルタは、前記道路の前記路面の種類を示す平均値と、外乱によって引き起こした不確実性を示す平方偏差とを用いて、前記タイヤの前記剛性の前記現在の状態の確率分布を決定するように構成された確率フィルタである、請求項２に記載のシステム。
4. 前記パラメータ選択装置は、前記剛性の前記現在の状態の前記確率分布に従って、閾値を超える最大の確率を有する剛性を含む前記摩擦関数の前記パラメータを選択する、請求項３に記載のシステム。
5. 前記フィルタは、前記タイヤの前記剛性の前記現在の状態の確率分布を決定するように構成された確率フィルタであり、
   前記パラメータ選択装置は、前記剛性の前記現在の状態の前記確率分布に従って、対応する閾値を超える確率を有する剛性を含む前記摩擦関数のパラメータを選択し、
   異なる閾値は、異なる摩擦関数に対応する、請求項３に記載のシステム。
6. 前記摩擦関数に対応する閾値は、第２のピーク摩擦が第１のピーク摩擦よりも大きいときに、前記第１のピーク摩擦を含む第１の摩擦関数の第１の閾値が前記第２のピーク摩擦を含む第２の摩擦関数の第２の閾値よりも小さくなるように、前記摩擦関数の前記ピーク摩擦の値に反比例する、請求項５に記載のシステム。
7. 前記フィルタは、カルマンフィルタである、請求項３に記載のシステム。
8. 前記フィルタは、粒子フィルタである、請求項３に記載のシステム。
9. 前記粒子フィルタは、
   粒子セットを用いて前記剛性の状態を表すように構成され、各粒子は、前記剛性の状態の可能な空間を定義する前記剛性の状態の平均値および平方偏差を含み、
   前記可能な空間にサンプリングされた前記剛性の状態を含む前記車両の走行モデルを用いて推定された剛性の推定状態と、測定モデルに従って前記車両の前記現在の状態の前記測定値を用いて決定された前記剛性の測定状態との間の差を用いて、前記粒子セットの前記平均値および前記平方偏差を更新するように構成され、
   前記粒子セット内の各粒子の前記更新された平均値および前記更新された平方偏差に従って、前記剛性の前記現在の状態の前記確率分布の前記平均値および前記平方偏差を決定するように構成される、請求項８に記載のシステム。
10. 前記粒子フィルタは、
    前記粒子の前記剛性の状態を用いて推定された前記車両の前記状態と前記車両の前記測定状態との差に基づいて、前記剛性の真の状態を表す各粒子の確率を決定するように構成され、
    各粒子の前記更新された平均値および前記更新された平方偏差の重み付き組み合わせを使用する関数に従って、前記剛性の状態を決定するように構成され、前記組み合わせの前記重みは、前記剛性の前記真の状態を表す各粒子の確率によって決定される、請求項９に記載のシステム。
11. 前記粒子フィルタは、
    前記測定状態を中心とする前記測定モデルの確率分布を用いて、前記剛性の状態の確率分布を決定し、
    前記車両の前記状態および前記剛性の前記状態の前記確率分布上の前記粒子の前記平均値の位置に従って、前記剛性の前記真の状態を表す各粒子の確率を決定するように構成される、請求項１０に記載のシステム。
12. 前記パラメータ選択装置は、
    前記剛性の状態の前記平均値および前記平方偏差を用いて、前記道路の前記路面の種類を分類し、
    前記メモリから、前記路面の種類に対応する前記摩擦関数の前記パラメータを取得するように構成される、請求項３に記載のシステム。
13. 前記路面の種類を分類するために、前記パラメータ選択装置は、
    前記剛性の状態の前記平方偏差が異なる種類の路面に対応する値を包含しない場合、前記剛性の状態の前記平均値に基づいて前記路面の種類を決定するように構成され、さもなければ、
    最小のピーク摩擦を含む前記剛性の状態の前記平方偏差に包含される前記路面の種類を選択するように構成される、請求項１２に記載のシステム。
14. 前記制御装置は、前記摩擦関数の前記パラメータを含む前記車両の走行モデルを用いて、前記制御指令を決定するように構成されたモデル予測制御装置（ＭＰＣ）である、請求項１に記載のシステム。
15. 前記ＭＰＣは、予測区間における滑りの変動の予測に基づいて前記予測区間における前記摩擦の変動を予測し、前記予測区間における前記摩擦の前記変動を用いて制御指令を決定する、請求項１４に記載のシステム。
16. 前記制御指令は、非線形プログラムとして公式化されたＭＰＣ問題を解くことによって決定される、請求項１５に記載のシステム。
17. 前記非線形プログラムは、リアルタイム反復を使用する逐次二次プログラミングによって解かれる、請求項１６に記載のシステム。
18. 道路上で走行している車両を制御するための方法であって、この方法は、複数の摩擦関数のパラメータを記憶するメモリに連結されたプロセッサを使用し、各摩擦関数は、前記車両の車輪の滑りに応じて、前記路面の種類と前記車両のタイヤとの間の摩擦を記述し、各摩擦関数の前記パラメータは、前記タイヤの剛性を定義する前記摩擦関数の初期勾配と、前記摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含み、前記プロセッサは、前記方法を実施する記憶された命令に連結され、前記命令は、前記プロセッサによって実行されると、前記方法の以下のステップ、すなわち、
    前記車両の状態を示す測定値を受け入れるステップと、
    前記測定値を処理することによって、前記車両の前記車輪の滑りを含む信号を推定するステップと、
    前記信号調整装置によって推定された前記信号と、前記入力インターフェイスによって受け入れられた前記測定値とのうちの１つまたは組み合わせを用いて、前記車両の前記車輪の前記タイヤの前記剛性の現在の状態を推定するステップと、
    前記メモリから、前記タイヤの前記現在の剛性に対応する前記摩擦関数のパラメータを選択するステップと、
    前記選択されたパラメータによって定義された前記摩擦関数に従って、前記タイヤの前記滑りに対応する前記摩擦の値を用いて制御指令を決定するステップと、
    前記車両を前記道路上で走行させるために、前記制御指令を前記車両の駆動装置に送信するステップとを含むステップを実行する、方法。
19. 前記タイヤの前記剛性を用いて推定された前記車両の現在の状態と前記車両の前記現在の状態の測定値とを比較することによって、前記タイヤの前記剛性の前記現在の状態を決定するステップをさらに含み、
    前記剛性の前記現在の状態は、前記道路の前記路面の種類を示す平均値と、外乱によって引き起こした不確実性を示す平方偏差とを用いて、前記タイヤの前記剛性の前記現在の状態の確率分布として確率的に決定される、請求項１８に記載の方法。
20. 方法を実行するために、プロセッサによって実行可能なプログラムを具体化する非一時的なコンピュータ可読記憶媒体であって、前記媒体は、複数の摩擦関数のパラメータを記憶するように構成され、各摩擦関数は、前記車両の車輪の滑りに応じて、前記路面の種類と前記車両のタイヤとの間の摩擦を記述し、各摩擦関数の前記パラメータは、前記タイヤの剛性を定義する前記摩擦関数の初期勾配と、前記摩擦関数のピーク摩擦、形状因子および曲率因子のうちの１つまたは組み合わせとを含み、この方法は、
    前記車両の状態を示す測定値を受け入れるステップと、
    前記測定値を処理することによって、前記車両の前記車輪の滑りを含む信号を推定するステップと、
    前記信号調整装置によって推定された前記信号と、前記入力インターフェイスによって受け入れられた前記測定値とのうちの１つまたは組み合わせを用いて、前記車両の前記車輪の前記タイヤの前記剛性の現在の状態を推定するステップと、
    前記メモリから、前記タイヤの前記現在の剛性に対応する前記摩擦関数のパラメータを選択するステップと、
    前記選択されたパラメータによって定義された前記摩擦関数に従って、前記タイヤの前記滑りに対応する前記摩擦の値を用いて制御指令を決定するステップと、
    前記車両を前記道路上で走行させるために、前記制御指令を前記車両の駆動装置に送信するステップとを含む、媒体。

Images