JP4046059B2 - 路面状態推定装置 - Google Patents

Description

本発明は、路面状態推定装置にかかり、特に、車両が走行することによりタイヤから発生するタイヤ発生音や路面の輝度情報などから路面状態を推定する路面状態推定装置に関する。

タイヤから発生するタイヤ発生音を用いて路面状態を推定する装置が提案されている（特許文献１、２）。これらの装置では、タイヤから発生するタイヤ発生音をＦＦＴ解析し、タイヤ発生音の各周波数成分を入力とし、ニューラルネットワークを利用して路面状態を推定する。

また、路面をカメラによって撮影して得られた画像の水平、垂直偏向画像のパワースペクトル分布等の路面状態を表す特徴量を検出し、各々異なる路面状態を表す複数の特徴量に対応して路面とタイヤとの間の摩擦係数である路面摩擦係数を記憶しておき、検出された路面状態を表す特徴量と、各々異なる路面状態を表す複数の特徴量に対応して記憶された路面摩擦係数と、に基づいて、路面の路面摩擦係数を推定する装置が提案されている（特許文献３）。
特開平６-１３８０１８号公報 特開平７-１５６７８２号公報 特開平８-３２７５３０号公報

しかしながら、上記装置では、タイヤから発生するタイヤ発生音をＦＦＴ解析し、タイヤ発生音の各周波数成分を入力とし、広範囲の周波数成分を入力するので、計算時間が多く必要となり、誤差も多くなる。これらの要因により、実際に車両に搭載しても、要求される水準を満たすことは困難である。

また、上記特許文献３の装置では、各々異なる路面状態を表す複数の特徴量に対応して路面とタイヤとの間の摩擦係数である路面摩擦係数を記憶しておき、検出された路面状態を表す特徴量と、各々異なる路面状態を表す複数の特徴量に対応して記憶された路面摩擦係数と、に基づいて、路面摩擦係数を推定するので、記憶した路面状態と路面摩擦係数の範囲内でしか、路面摩擦係数を推定することができない。よって、記憶した路面状態と路面摩擦係数が正しくない場合、精度よく路面摩擦係数を推定することができない。

本発明は、上記事実に鑑み成されたもので、路面状態を精度よく推定することの可能な路面状態推定装置を提供することを目的とする。

上記目的達成のため請求項１記載の路面状態推定装置は、車両が走行することによりタイヤから発生するタイヤ発生音を検出するタイヤ発生音検出手段と、前記タイヤ発生音検出手段により検出されたタイヤ発生音から、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算する計算手段と、複数の路面状態の各々毎に、路面状態及びタイヤ発生音の発生源に対応する特徴量を記憶する記憶手段と、前記計算手段により計算された特徴量と、前記記憶手段に複数の路面状態の各々毎に対応して記憶された特徴量と、に基づいて、車両が走行する路面の状態を推定する推定手段と、を備えている。

タイヤ発生音検出手段は、車両が走行することによりタイヤから発生するタイヤ発生音を検出する。

計算手段は、前記タイヤ発生音検出手段により検出されたタイヤ発生音から、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算する。

記憶手段は、複数の路面状態の各々毎に対応して、路面状態及びタイヤ発生音の発生源に対応する特徴量を記憶する。

推定手段は、前記計算手段により計算された特徴量と、前記記憶手段に複数の路面状態の各々毎に対応して記憶された特徴量と、に基づいて、車両が走行する路面の状態を推定する。

上記タイヤ発生音の発生源としては、少なくともタイヤへの物体の相対的な衝突を含むようにしてもよい。以下これを例にとり、本発明の原理を説明する。なお、以下は例示であり、本発明は、以下に限定されるものではない。

タイヤが回転（車両が走行）し、タイヤに、路面上の小石、路面自体の突起部、路面上の水等が、相対的に衝突することにより、このような衝突を音源としたタイヤ発生音が発生する。湿った路面や氷盤路面上には水が存在するので、タイヤが回転（車両が走行）し、タイヤに路面上の水が相対的に衝突すると、タイヤ発生音の発生源としての、少なくともタイヤへの物体の相対的な衝突に特有な特徴量が得られる。

そして、計算手段により計算された特徴量が、タイヤ発生音の発生源としての、少なくともタイヤへの物体の相対的な衝突に特有な特徴量に一致又は近似していると判断できれば、湿った路面や氷盤路面上、即ち、少なくとも湿った路面と推定することができる。

このように、タイヤ発生音自体を扱うのではなく、タイヤ発生音から、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算しているので、路面の状態を推定するのに必要な情報を少なくすることができ、計算された特徴量と、複数の路面状態の各々毎に対応して記憶された路面状態及びタイヤ発生音の発生源に対応する特徴量と、に基づいて、車両が走行する路面の状態を推定するので、路面の状態を精度よく推定することができる。

ところで、上記特徴量は、車輪速によって値が異なる。

そこで、請求項１記載の発明は、車輪速を検出する車輪速検出手段を更に備え、前記記憶手段は、複数の路面状態の各々及び複数の車輪速の各々毎に対応して特徴量を記憶し、前記推定手段は、前記計算手段により計算された特徴量、前記車輪速検出手段により検出された車輪速、及び、前記記憶手段に複数の路面状態の各々及び複数の車輪速の各々毎に対応して記憶された路面状態に基づいて、車両が走行する路面の状態を推定する。

このように、複数の路面状態の各々及び複数の車輪速の各々毎に対応して特徴量を記憶し、計算された特徴量、検出された車輪速、及び、複数の路面状態の各々及び複数の車輪速の各々毎に対応して記憶された路面状態に基づいて、車両が走行する路面の状態を推定するので、速度を加味して路面の状態を推定することができ、より路面状態を精度よく推定することができる。

ここで、計算手段は、請求項１のように、タイヤ発生音検出手段により検出されたタイヤ発生音の波形と少なくとも１つの予め定められた長さの基本波形との相関値を求めることにより、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算する。

請求項２記載の発明の路面状態推定装置は、請求項１に記載の路面状態推定装置であって、各々異なる路面状態を表す複数の特徴量に対応して路面とタイヤとの間の摩擦状態である路面摩擦状態を記憶する第２の記憶手段と、前記計算手段により検出された特徴量と、前記第２の記憶手段に各々異なる路面状態を表す複数の特徴量に対応して記憶された路面摩擦状態と、に基づいて、前記検出手段により前記特徴量が検出される対象となる路面の路面摩擦状態を推定する第２の推定手段と、前記検出手段により前記特徴量が検出される対象となる路面の予め求められた路面摩擦状態と、前記第２の推定手段により推定された路面摩擦状態と、に基づいて、前記第２の記憶手段に記憶された路面摩擦状態を修正する修正手段と、を更に備えている。

本発明にかかる検出手段は、第２の記憶手段は、各々異なる路面状態を表す複数の特徴量に対応して路面とタイヤとの間の摩擦状態である路面摩擦状態（路面摩擦状態を表す物理量、例えば、路面摩擦係数（以下同様））を記憶する。第２の推定手段は、計算手段により計算された特徴量と、第２の記憶手段に各々異なる路面状態を表す複数の特徴量に対応して記憶された路面摩擦状態と、に基づいて、計算手段により特徴量が計算される対象となる路面の路面摩擦状態を推定する。

そして、本発明の修正手段は、計算手段により特徴量が計算される対象となる路面の予め求められた路面摩擦状態と、第２の推定手段により推定された路面摩擦状態と、に基づいて、第２の記憶手段に記憶された路面摩擦状態を修正する。

このように、計算手段により特徴量が計算される対象となる路面の予め求められた路面摩擦状態と、第２の推定手段により推定された路面摩擦状態と、に基づいて、第２の記憶手段に記憶された路面摩擦状態を修正するので、第２の記憶手段に記憶された路面摩擦状態を適正な値にすることができ、路面摩擦状態を精度よく推定することができる。

ここで、請求項３のように、前記計算手段は、前方路面の路面状態を表す特徴量を計算するようにしてもよく、請求項４のように、計算手段は、現在走行している路面の路面状態を表す特徴量を計算するようにしてもよい。

請求項５記載の路面状態推定装置は、請求項１記載の発明であって、車両が走行予定の前方路面の輝度情報を検出する検出手段と、前記検出手段により検出された前方路面の輝度情報と、路面状態を表す路面状態物理量を演算するためのパラメータと、に基づいて、路面状態物理量を演算する演算手段と、を備えた路面状態物理量演算装置であって、前記演算手段は、前記検出手段により検出された前方路面の輝度情報に基づいて前記パラメータを修正し、該修正したパラメータと、前記検出手段により検出された前方路面の輝度情報と、に基づいて、路面状態を表す路面状態物理量を演算する路面状態物理量演算装置を更に備えたことを特徴とする。

即ち、本発明は、車両が走行予定の前方路面の輝度情報を検出する検出手段と、前記検出手段により検出された前方路面の輝度情報と、路面状態を表す路面状態物理量を演算するためのパラメータと、に基づいて、路面状態物理量を演算する演算手段と、を備えている。

このように、前方路面の輝度情報と、路面状態を表す路面状態物理量を演算するためのパラメータと、に基づいて、路面状態物理量を演算すると、環境条件が変わると、前方路面の輝度情報の値が変わり、精度良く路面状態物理量を得られない。

そこで、本発明では、演算手段は、検出手段により検出された前方路面の輝度情報に基づいてパラメータを、環境条件に応じた路面状態物理量が適正に演算されるように、修正し、該修正したパラメータと、前記検出手段により検出された前方路面の輝度情報と、に基づいて、路面状態を表す路面状態物理量を演算するようにしている。よって、環境条件が変わってもパラメータが修正され、精度良く路面状態物理量を得ることができる。

この場合、請求項６のように、検出手段は、前方路面側の領域を複数の領域に分割しかつ該分割した複数の領域各々の輝度情報を検出し、上記パラメータは、検出された複数の領域各々の輝度情報を各路面状態毎に分類するための値であり、演算手段は、検出された複数の領域各々の輝度情報を前記パラメータにより各路面状態毎に分類し、路面状態物理量を演算するようにしてもよい。また、請求項７のように、検出手段は、路面側の領域を複数の領域に分割しかつ該分割した複数の領域各々の輝度情報を検出し、上記パラメータは、検出された複数の領域各々の輝度情報が得られる確率を最大にする値であり、演算手段は、パラメータにより最大となった、上記検出された複数の領域各々の輝度情報が得られる確率を演算することにより、路面状態物理量を演算するようにしてもよい。

請求項８記載の路面状態推定装置は、請求項１に記載の発明であって、複数の路面状態の各々毎に、輝度情報に基づいて定まる各路面の路面状態を表す路面状態物理量を記憶する第４の記憶手段と、前方路面の輝度情報を検出する検出手段と、前記検出手段により検出された前方路面の輝度情報と、前記第４の記憶手段により複数の路面状態の各々毎に記憶された各路面の路面状態を表す路面状態物理量と、に基づいて、前方路面の路面状態を推定する第４の推定手段と、を備えている。

即ち、第４の記憶手段は、複数の路面状態の各々毎に、輝度情報に基づいて定まる各路面の路面状態を表す路面状態物理量を記憶する。なお、輝度情報に基づいて定まる路面状態物理量には、例えば、輝度分布等である。

検出手段は、前方路面の輝度情報を検出する。

そして、第４の推定手段は、検出手段により検出された前方路面の輝度情報と、第４の記憶手段により複数の路面状態の各々毎に記憶された各路面の路面状態を表す路面状態物理量と、に基づいて、前方路面の路面状態を推定する。即ち、第４の推定手段は、例えば、検出手段により検出された前方路面の輝度情報から路面状態物理量を求め、該求めた路面状態物理量と、第４の記憶手段により複数の路面状態の各々毎に記憶された各路面の路面状態物理量と、に基づいて、前方路面の路面状態を推定する。即ち、第４の記憶手段により複数の路面状態の各々毎に記憶された各路面の路面状態物理量の内、検出手段により検出された前方路面の輝度情報から求められた路面状態物理量に最も近い路面状態物理量を求め、求めた路面状態物理量に対応する路面状態を前方路面の路面状態として推定する。

このように、複数の路面状態の各々毎に路面状態物理量を記憶し、検出された前方路面の輝度情報と、複数の路面状態の各々毎に記憶された各路面の路面状態物理量と、に基づいて、前方路面の路面状態を推定するので、前方路面の路面状態を精度よく推定することができる。

なお、第４の推定手段は、検出手段により検出された前方路面の輝度情報と、路面状態物理量を演算するためのパラメータと、に基づいて、路面状態物理量を演算し、該演算した路面状態物理量と、前記第４の記憶手段により複数の路面状態の各々毎に記憶された各路面の路面状態を表す路面状態物理量と、に基づいて、前方路面の路面状態を推定するようにしてもよい。

この場合、第４の推定手段は、検出手段により検出された前方路面の輝度情報に基づいて上記パラメータを修正し、該修正したパラメータと、検出手段により検出された前方路面の輝度情報と、に基づいて、路面状態を表す路面状態物理量を演算するようにしてもよい。

また、検出手段は、前方路面側の領域を複数の領域に分割しかつ該分割した複数の領域各々の輝度情報を検出し、パラメータは、検出された複数の領域各々の輝度情報が得られる確率を最大にする値であり、第４の推定手段は、パラメータにより最大となった、上記検出された複数の領域各々の輝度情報が得られる確率を演算することにより、路面状態物理量を演算するようにしてもよい。

請求項１０記載の路面状態推定装置は、請求項８記載の発明において、請求項１記載の路面状態推定装置と、前記路面状態推定装置により推定された路面状態と、前記路面状態推定装置により路面状態が推定される際に前記検出手段により検出された輝度情報と、に基づいて、前記記憶手段に記憶されかつ該路面状態推定装置により推定された路面状態に対応する路面状態物理量を更新する更新手段と、を更に備えている。

即ち、本発明は、路面状態推定装置により推定された路面状態と、路面状態推定装置により路面状態が推定される際に検出手段により検出された輝度情報と、に基づいて、記憶手段に記憶されかつ該路面状態推定装置により推定された路面状態に対応する路面状態物理量を更新するので、前方路面の路面状態をより精度よく推定することができる。

請求項１１記載の路面状態報知装置は、車両が現在走行している現在走行路面の路面状態を推定する請求項１に記載の路面状態推定装置、前方路面の路面状態を検出する前方路面状態検出手段、及び、前記路面状態推定装置により推定された現在走行路面の路面状態と、前記前方路面状態検出手段により検出された前方路面の路面状態と、を比較し、何れか一方の路面状態が変化した場合に、該変化した路面状態を報知する報知手段と、を備えている。

路面状態推定装置は、車両が現在走行している現在走行路面の路面状態を推定し、前方路面状態検出手段は、車両が走行予定の前方路面の路面状態を検出する。

報知手段は、路面状態推定装置により推定された現在走行路面の路面状態と、前方路面状態検出手段により検出された前方路面の路面状態と、を比較し、何れか一方の路面状態が変化した場合に、該変化した路面状態を報知する。

即ち、例えば、前方路面の路面状態が現在路面の路面状態から変化した場合、例えば、現在路面の路面状態が乾燥路面で、前方路面の路面状態が乾燥路面から圧雪路面に変化したとき、報知手段は、該変化した路面状態である、圧雪路面を報知する。更に、現在路面の路面状態が、乾燥路面から圧雪路面に変化した場合、報知手段は、該変化した路面状態である、圧雪路面を報知する。

このように、路面状態推定装置により推定された現在走行路面の路面状態と、前方路面状態検出手段により検出された前方路面の路面状態と、を比較し、何れか一方の路面状態が変化した場合に、該変化した路面状態を報知するので、路面状態の変化に対する路面状態の報知の応答性を向上させることができる。

請求項１３記載の発明にかかる路面状態推定装置は、現在走行している現在走行路面の路面状態を推定する請求項１に記載の路面状態推定装置と、前方路面の路面状態を検出する前方路面状態検出手段と、前記前方路面状態検出手段により検出された前方路面の路面状態に遅れ時間処理を施す遅れ時間処理手段と、前記路面状態推定装置により検出された現在路面の路面状態と、前記遅れ時間処理手段により遅れ時間処理の施された前方路面の路面状態と、に基づいて、現在路面の路面状態を報知する報知手段と、を備えている。

即ち、路面状態推定装置は、車両が現在走行している現在走行路面の路面状態を推定し、前方路面状態検出手段は、前方路面の路面状態を検出する。

遅れ時間処理手段は、前方路面状態検出手段により検出された前方路面の路面状態に遅れ時間処理を施す。

報知手段は、路面状態推定装置により推定された現在路面の路面状態と、遅れ時間処理手段により遅れ時間処理の施された前方路面の路面状態と、に基づいて、現在路面の路面状態を報知する。

このように、推定された現在路面の路面状態と検出かつ遅れ時間処理の施された前方路面の路面状態とに基づいて、現在路面の路面状態を報知するので、路面状態を精度よく報知することができる。

請求項１４記載の発明にかかる路面状態推定装置は、車両が走行する路面の路面状態を検出する路面状態検出手段と、前記路面と前記車両のタイヤとの間の摩擦状態である路面摩擦状態を推定する路面摩擦状態推定手段と、前記路面状態検出手段により検出された路面状態と、前記路面摩擦状態推定手段により検出された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定する最終路面摩擦状態推定手段と、を備えている。

即ち、路面状態検出手段は、車両が走行する路面の路面状態を検出し、路面摩擦状態推定手段は、該路面と該車両のタイヤとの間の摩擦状態である路面摩擦状態を推定する。

最終路面摩擦状態推定手段は、路面状態検出手段により検出された路面状態と、路面摩擦状態推定手段により検出された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定する。即ち、最終路面摩擦状態推定手段は、路面状態検出手段により検出された路面状態と、路面摩擦状態推定手段により検出された路面摩擦状態と、に基づいて、検出された路面状態が変わらない又は変化量が所定値以内の場合には、路面摩擦状態推定手段により検出された路面摩擦状態の平均値（移動平均等）を、最終の路面摩擦状態として求める。

このように、路面状態検出手段により検出された路面状態と、路面摩擦状態推定手段により検出された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定するので、路面摩擦状態を路面状態の変化に応じて処理することができ、路面摩擦状態をより精度よく推定することができる。

なお、路面摩擦状態を路面状態の変化に応じて処理することができるとしても、何らかの影響により、検出された路面摩擦状態が正確なものでない場合には、最終的に推定された路面摩擦状態が、正確でなくなる。

そこで、請求項１５記載の発明では、請求項１４において、複数の路面状態の各々毎に、各路面状態に対応する路面摩擦状態の範囲を予め定めておき、前記各路面状態に対応する路面摩擦状態の範囲、前記路面状態検出手段により検出された路面状態、及び前記路面摩擦状態推定手段により検出された路面摩擦状態に基づいて、前記路面摩擦状態検出手段により検出された路面摩擦状態が、前記路面状態検出手段により検出された路面状態に対応する路面摩擦状態の範囲内か否かを判断する判断手段を更に備え、前記最終路面摩擦状態推定手段は、前記判断手段により、前記路面摩擦状態検出手段により検出された路面摩擦状態が、前記路面状態推定手段により検出された路面状態に対応する路面摩擦状態の範囲内であると判断された場合に、前記路面状態検出手段により検出された路面状態と、前記路面摩擦状態推定手段により検出されかつ該路面状態に対応する路面摩擦状態の範囲内であると判断された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定するようにしている。

即ち、複数の路面状態の各々毎に、各路面状態に対応する路面摩擦状態の範囲が予め定められている。

判断手段は、各路面状態に対応する路面摩擦状態の範囲、路面状態検出手段により検出された路面状態、及び路面摩擦状態推定手段により検出された路面摩擦状態に基づいて、路面摩擦状態検出手段により検出された路面摩擦状態が、路面状態検出手段により検出された路面状態に対応する路面摩擦状態の範囲内か否かを判断する。即ち、例えば、検出された路面摩擦状態が、路面状態検出手段により検出された路面状態に対応する路面摩擦状態の範囲外と判断された場合には、検出された路面摩擦状態は正確でないと判断することができる。よって、この正確でない路面摩擦状態を用いて最終の路面摩擦状態を推定すると、路面摩擦状態の推定値は正確でなくなる。

そこで、最終路面摩擦状態推定手段は、判断手段により、路面摩擦状態検出手段により検出された路面摩擦状態が、路面状態推定手段により検出された路面状態に対応する路面摩擦状態の範囲内であると判断された場合に、路面状態検出手段により検出された路面状態と、路面摩擦状態推定手段により検出されかつ該路面状態に対応する路面摩擦状態の範囲内であると判断された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定するようにしている。よって、路面摩擦状態を精度よく推定することができる。

請求項１６記載の路面状態推定装置は、車両が走行することによりタイヤから発生するタイヤ発生音を検出するタイヤ発生音検出手段と、車輪速を検出する車輪速検出手段と、複数の路面状態の各々毎に、タイヤ発生音の発生源に対応する特徴量と車輪速との関係を記憶する記憶手段と、前記タイヤ発生音検出手段により検出されたタイヤ発生音、前記車輪速検出手段により検出された車輪速、及び前記記憶手段に前記複数の路面状態の各々毎に記憶された係数に基づいて、路面状態を推定する推定手段と、を備えている。

タイヤ発生音検出手段は、車両が走行することによりタイヤから発生するタイヤ発生音を検出し、車輪速検出手段は、車輪速を検出する。

記憶手段は、タイヤ発生音の発生源に対応する特徴量と車輪速との関係を記憶する。なお、当該関係を表す式を定めるための係数を記憶することにより、当該関係を記憶するようにしてもよい。なお、該式としては例えば２次式でもよい。

推定手段は、タイヤ発生音検出手段により検出されたタイヤ発生音、車輪速検出手段により検出された車輪速、及び記憶手段に複数の路面状態の各々毎に記憶された関係に基づいて、路面状態を推定する。

このように、路面状態を推定するために、複数の路面状態の各々毎にタイヤ発生音と車輪速との関係を記憶しているので、各路面状態毎にタイヤ発生音及び車輪速を記憶する場合よりも記憶量を少なくすることができる。

請求項１６記載の発明は、前記タイヤ発生音検出手段により検出された車両が走行することによりタイヤから発生するタイヤ発生音と、前記車輪速検出手段により検出された車輪速と、に基づいて、前記記憶手段に記憶された関係を更新する更新手段を更に備え、前記推定手段は、前記タイヤ発生音検出手段により検出されたタイヤ発生音、前記車輪速検出手段により検出された車輪速、及び前記記憶手段に前記複数の路面状態の各々毎に記憶されかつ前記更新手段により更新された関係に基づいて、路面状態を推定する。

なお、以上説明した種々の発明においては、タイヤ発生音検出手段は、タイヤ発生音に、該タイヤ発生音の発生源に基づくタイヤ発生音以外の外乱の影響が小さくなる位置に配置する。例えば、タイヤ近傍のバンパー内部等である。

また、路面の輝度情報を検出する手段は、車両の一部及び前方路面を含む領域の輝度情報を検出し、該手段により検出された輝度情報に基づいて、車両の一部の輝度情報と前方路面の輝度情報との関係を演算かつ出力する演算出力手段を更に設けるようにしても良い。

以上説明したように請求項１に記載の発明は、タイヤ発生音自体を扱うのではなく、タイヤ発生音から、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算しているので、路面の状態を推定するのに必要な情報を少なくすることができ、計算された特徴量と、複数の路面状態の各々毎に対応して記憶された路面状態及びタイヤ発生音の発生源に対応する特徴量と、に基づいて、車両が走行する路面の状態を推定するので、路面の状態を精度よく推定することができる、という効果を有する。

請求項２乃至請求項４に記載の発明は、検出手段により特徴量が検出される対象となる路面の予め求められた路面摩擦状態と、推定手段により推定された路面摩擦状態と、に基づいて、記憶手段に記憶された路面摩擦状態を修正するので、記憶手段に記憶された路面摩擦状態を適正な値にすることができ、路面摩擦状態を精度よく推定することができる、という効果を有する。

請求項５乃至請求項７記載の発明は、検出された前方路面の輝度情報に基づいてパラメータを修正し、該修正したパラメータと、検出された前方路面の輝度情報と、に基づいて、路面状態を表す路面状態物理量を演算するので、環境条件が変わってもパラメータが修正され、精度良く路面状態物理量を得ることができる、という効果を有する。

請求項８乃至請求項１０記載の発明は、複数の路面状態の各々毎に路面状態物理量を記憶し、検出された前方路面の輝度情報と、複数の路面状態の各々毎に記憶された各路面の路面状態物理量と、に基づいて、前方路面の路面状態を推定するので、前方路面の路面状態を精度よく推定することができる、という効果を有する。

請求項１１及び請求項１２記載の発明は、推定された現在走行路面の路面状態と、前方路面状態検出手段により検出された前方路面の路面状態と、を比較し、何れか一方の路面状態が変化した場合に、該変化した路面状態を報知するので、路面状態の変化に対する路面状態の報知の応答性を向上させることができる、という効果を有する。

請求項１３記載の発明は、推定された現在路面の路面状態と検出かつ遅れ時間処理の施された前方路面の路面状態とに基づいて、現在路面の路面状態を報知するので、路面状態を精度よく報知することができる、という効果を有する。

請求項１４及び請求項１５記載の発明は、路面状態検出手段により検出された路面状態と、路面摩擦状態推定手段により検出された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定するので、路面摩擦状態を路面状態の変化に応じて処理することができ、路面摩擦状態をより精度よく推定することができる、という効果を有する。

請求項１６記載の発明は、路面状態を推定するために、複数の路面状態の各々毎にタイヤ発生音と車輪速との関係を記憶しているので、各路面状態毎にタイヤ発生音及び車輪速を記憶する場合よりも記憶量を少なくすることができる、という効果を有する。

以下、図面を参照して、本発明の第１の実施の形態を詳細に説明する。

図１に示すように、本実施の形態に係る路面状態推定装置は、車両が走行することによりタイヤから発生するタイヤ発生音を検出するタイヤ発生音検出手段としてのタイヤ発生音検出センサ１０と、車輪速を検出する車輪速検出手段としての車輪速検出センサ１２と、路面状態推定器１００と、を備えている。

ここで、タイヤ発生音検出センサ１０は、タイヤ近傍で、エンジン音及び風切り音などの外部の影響を受け難く、さらに、水、石等の障害物が極力当たらない位置に配置されている。具体的には、図示しないタイヤ近傍に車両振動音の影響を受けないように配置している。例えば、エンジンが車両の前側に位置する場合には、タイヤ発生音検出センサ１０を車両後部のタイヤ近傍のボデイに配置する。なお、タイヤ発生音検出センサ１０としてはマイクを用いることができる。また、車輪速検出センサ１２は、車輪速として車輪速の回転角速度を検出するセンサである。

また、路面状態推定器１００は、タイヤ発生音検出センサ１０により検出されたタイヤ発生音から、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算する計算手段としてのＩＣ等で構成された前処理器１４と、前処理器１４により計算された特徴量と、車輪速検出センサ１２により検出された車輪速と、を成分とする特徴ベクトルを生成するＩＣ等で構成された特徴ベクトル生成器１６と、推定装置１８と、を備えている。

推定装置１８は、複数の路面状態の各々及び複数の車輪速の各々毎に対応して特徴量をマップとして記憶する判定マップメモリ２２と、特徴ベクトル生成器１６により生成された特徴ベクトルと、判定マップメモリ２２に複数の路面状態の各々及び複数の車輪速の各々毎に対応してマップとして記憶された特徴量と、に基づいて、車両が走行する路面の状態を推定するＩＣ等で構成された判定処理器２０と、を備えている。

ここで、判定マップメモリ２２に記憶されている特徴量、即ち、複数の路面状態の各々及び複数の車輪速の各々毎に対応してマップとして記憶された特徴量を説明するが、最初に、タイヤと路面間で生じる音の発生要因について説明する。

タイヤと路面間で生じる音の発生源について、例えば、横浜ゴム株式会社編「自動車用タイヤの研究」山海堂、酒井秀男著「タイヤ工学」グランプリ出版に記載されており、その主な発生源は、
ポンピングノイズ
ゴムの衝突ノイズ
タイヤボディの振動ノイズ
スキールノイズ
である。

ポンピングノイズは、トレッド構内の空気が圧縮、放出のポンピング作用による気柱共鳴で発生し、その基本波周波数は１．５ｋＨｚ〜２．５ｋＨｚである。ポンピングノイズは、路面が平滑だと大きくなる。

ゴムの衝突ノイズは、トレッド表面と路面表面の小石や水等とが相対的に衝突したときに発生し、不等ピッチパターンでホワイトノイズ化され、その周波数は１ｋＨｚ以上である。

タイヤボディの振動ノイズは、転動（タイヤの回転）時にトレッドとサイドウォールが加振され、その振動が空気伝播してノイズとなるもので、加振力としてトレッドゴムブロックによる第１の振動ノイズと、路面凹凸による第２の振動ノイズと、がある。これらの周波数は数百〜数ｋＨｚである。

スキールノイズは急ブレーキ、急コーナリング時におけるトレッドゴムのスティックスリップにより発生し、周波数は１ｋＨｚ〜２ｋＨｚとなる。

以上説明した発生源から分かるように、タイヤ発生音は、路面状態及び発生源、例えば、タイヤの種類、トレッドパターン、走行速度に影響を受ける。

図２は、スタッドレスタイヤで異なる路面を所定速度で走行した時の時間−周波数解析結果を示すものである。音の発生源からこの周波数分布を考察すると、２０００Ｈｚ以下の部分Ａがタイヤボディの振動ノイズ、基本波が２０００Ｈｚの部分Ｂがポンピングノイズにそれぞれ相当すると考えられる。また１０００Ｈｚ以上の部分Ｃは、ホワイトノイズ成分であり路面表面上の水等とトレッド表面とが衝突したり、該水等が跳ね上げられたりする際に発生する成分と考えられる。

従って、湿潤アスファルト路面は、図２（Ｂ）に示すように、１ｋＨｚ以上のホワイトノイズ成分（部分Ｃ参照）が大きく、逆に乾燥アスファルト路面ではこれが小さい。

氷盤路面は平坦なため、図２（Ｃ）に示すように、基本波が２０００Ｈｚのポンピングノイズ成分（部分Ｂ参照）が大きく、逆に路面凹凸によるタイヤボディ振動ノイズ（部分Ａ参照）が小さくなっている。

圧雪路面は、図２（Ｄ）に示すように、ポンピングノイズ、ホワイトノイズ成分、トレッドゴムブロック加振による成分とも小さくなっている。

このように路面状態により音の発生源に依存する音の成分の大きさが異なる為、これら成分を抽出する事により路面状態を判別する事が可能となる。

図３は、乾燥アスファルト路及び湿潤アスファルト路、図４は、永盤路及び圧雪路の、それぞれ予め把握された各路面のタイヤ発生音を、ドベシィのウェーブレット（Ｎ＝３）を用いて、ウェーブレット変換処理したものである。また図５は、各ウェーブレット成分を時間−周波数解析したものである。

図３〜図５から理解されるように、特にｄ１の成分は２０００Ｈｚのポンピングノイズと２０００Ｈｚ以上のゴム衝突ノイズを表しており、ｄ４の成分は２ｋＨｚ以下のトレッドゴムブロック加振によるタイヤボディの第１の振動ノイズ、ｄ５〜ｄ９の成分は１ｋＨｚ以下の路面凹凸によるタイヤボディの第２の振動ノイズを表している事が分かる。したがって特にこの成分が各路面で異なっている事が分かる。

以上は、車輪速がある所定値の場合であるが、車輪速が変化すると、タイヤ発生音をウェーブレット変換処理した値も変化する。

本実施形態では、複数の車輪速のそれぞれ毎及び複数の路面状態のそれぞれ毎に、路面状態及びタイヤ発生音の発生源に対応する特徴量としての・タイヤ発生音をウェーブレット変換した値を、判別マップメモリ２２に記憶している。即ち、予め複数の路面の各々毎の代表的なタイヤ発生音と車速とから、前処理器１４と特徴ベクトル生成器１６で得られた特徴ベクトル（特徴量（タイヤ発生音をウェーブレット変換処理した値）と車速との組み合わせ）を、各路面状態毎にクラス分けし、プロトタイプとして判定マップメモリ２２に記憶している。

次に、本実施の形態の作用を説明する。

車両が走行することによりタイヤから発生するタイヤ発生音を、タイヤ発生音検出センサ１０が検出する。また、このときの車輪速を車輪速検出センサ１２が検出する。

前処理器１４は、タイヤ発生音検出センサ１０により検出されたタイヤ発生音から、路面状態及びタイヤ発生音の発生源に対応する特徴量を計算する。即ち、前処理器１４は、タイヤ発生音検出センサ１０により検出されたタイヤ発生音を信号処理解析することにより、タイヤ発生音を路面状態に依存する各発生源の成分に分離する。ここで信号処理解析として、タイヤ発生音の波形と少なくとも１つの予め定められた長さの基本波形との相関値、即ち、例えば、タイヤ発生音の信号とウェーブレット基本波との内積をとって、時間領域の相似相関を検出するウェーブレット解析を用いることができる。なお、これに代えて、各種フィルタ処理を用いるようにしてもよい。

図６に、ウェーブレット変換を用いた前処理器１４のアルゴリズムを示す。

これは、Mallatによって１９８９年に発見された高速ウェーブレット変換アルゴリズムである（A．Mallat：“A Theory for Multiresolution Signal Decomposition：the Wavelet Representation，”IEEE Trans．PAMI，Vol. 11，No．7，ppp．674−693，1989．参照）。

ステップ３２で、タイヤ発生音をサンプリングして得られる数列をＳ_k ^(j)とする。ステップ３４で、レベルjのスケーリング係数から、１レベル精度の低いレベルj＋１のウェーブレット展開係数及びスケーリング係数を導出する。

ここで、Ｓ_K ^(j)はスケーリング係数、Ｗ_K ^(j)はウェーブレット展開係数、ｐはスケーリング関数の数列、ｑはウェーブレットの数列(基本波形)を表し、ｋはシフト量、ｊはスケールを表す。

特徴ベクトル生成器１６は、前処理器１４で分離抽出した各成分と、車輪速検出センサ１２により検出された車輪速と、の組み合わせ、即ち、これらを成分とする特徴ベクトルを生成する。そして、特徴ベクトル生成器１６は、このようにして求められた特徴ベクトルを判定処理器２０に供給する。

判定処理器２０は、特徴ベクトル生成器１６で生成された特徴ベクトルと、判定マップメモリ２２に記憶された・複数の路面状態の各々毎に対応して記憶された路面状態及びタイヤ発生音の発生源に対応する特徴ベクトルと、に基づいて、車両が走行する路面の状態を推定する。即ち、判定処理器２０では、入力された特徴ベクトルが、特徴空間（特徴量と速度を成分する空間）上で判定マップメモリ２２に記憶されているプロトタイプと比較され、最も距離の近いプロトタイプの属するクラスを路面状態の判別結果として出力する。距離としてはユークリッド距離を用いる。

なお、識別処理は、最近傍決定則（ＮＮ法）、ベイズ決定則、線形識別関数、ニューラルネットワークなどを適用することができる。識別手法としてニューラルネットワークを用いる場合は、ニューラルネットワークの重み係数が識別辞書のデータとなる。

以上説明したように本実施の形態では、広範囲の周波数成分を有するタイヤ発生音自体を扱うのではなく、タイヤ発生音から、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算しているので、路面の状態を推定するのに必要な情報を少なくすることができ、計算された特徴量と、複数の路面状態の各々毎に対応して記憶された路面状態及びタイヤ発生音の発生源に対応する特徴量と、に基づいて、車両が走行する路面の状態を推定するので、路面の状態を精度よく推定することができる。

即ち、図３及び図４に示すように、例えば、湿潤路面を走行したときのタイヤ発生音をウエーブレットで分解した波形から理解できるように、タイヤ発生音は、低周波数から高周波数（a12,d12,d11,…d1）に渡る各信号で構成されている。各信号の波形は、周期的ではなく、突発的は変化をする特徴を有する。各信号の周期も異なる。フーリエ変換は、波形が、周期的ではなく、突発的は変化をする特徴を有する信号の解析としては不十分である。よって、フーリエ変換を用いる場合では、路面の状態を精度よく推定することができない。

上記のようにウエーブレット変換に代えて、タイヤ発生音を、複数のタイヤ発生音の発生源各々に応じて定まる帯域フィルタを通過させることにより、分解し、解析するようにしてもよい。即ち、図１３には、４つの異なる路面を走行したときのタイヤ発生音を、帯域フィルタを通過させることにより、分解した波形が示されている。この分解された波形を具体的に解析する場合には、各波形の実効値を求める。図１４（Ａ）及び図１４（Ｂ）は、４つの異なる路面を走行したときのタイヤ発生音を、帯域フィルタを通過させることにより分解した波形から求めた特徴量（波形の実効値）を示した図である。

ただし、図１４（Ａ）及び図１４（Ｂ）に示すように、４つの異なる路面を走行したときのタイヤ発生音の特徴量は比較的狭い領域内に分布している。従って、核路面の特徴量を明確に区別することは難しい。よって、タイヤ発生音を、帯域フィルタを通過させることにより、分解した波形から求めた特徴量からでは、タイヤ発生音をウエーブレットで分解する場合に比較すると、路面状態を正確に判別することができない。

一方、上記実施の形態では、複数の路面状態、例えば、４つの異なる路面を走行したときのタイヤ発生音をウエーブレットで分解した波形から特徴量を求めており、各特徴量は広い範囲に散らばって分布しているので、特徴量から、路面状態を正確に判別することができる。以下、これを更に詳細に説明する。

タイヤ発生音をウエーブレットで分解する際に使用する基本波形は、各々振幅が第１の範囲内の値である２つの第１の領域と、該２つの第１の領域に挟まれ、振幅が該第１の範囲より大きくかつ該第１の範囲より広い第２の範囲内の値である第２の領域と、を有する。即ち、例えば、図１５に示すドベシイのウェーブレットの基本波形を説明する。図１５に示すように、ドベシイのウェーブレットの基本波形は、各々振幅が第１の範囲Ｌ１内の値である２つの第１の領域Ｒ１（Ｒ１１、Ｒ１２）と、該２つの第１の領域Ｒ１（Ｒ１１、Ｒ１２）に挟まれ、振幅が該第１の範囲Ｌ１より大きくかつ該第１の範囲Ｌ１より広い第２の範囲Ｌ２内の値である第２の領域Ｒ２と、を有する。なお、以下、同様に、図１６〜図１８に示すように、シムレット、コアレット、及びメイエのウェーブレットの基本波形も同様である。

複数の路面、例えば、乾燥、湿潤、氷盤、及び圧雪の４つの異なる路面を走行したときのタイヤ発生音を、上記ドベシイのウェーブレット（図１５参照）で分解した波形は、図３及び図４に示すようになり、このように分解した波形から求めた特徴量（相関値）は、図１９（Ａ）及び図１９（Ｂ）に示すようになる。なお、図中では、乾燥、湿潤、氷盤、及び圧雪をそれぞれ、Dry, Wet, Ice, snowと記載している。

上記図１４（Ａ）及び図１４（Ｂ）と図１９（Ａ）及び図１９（Ｂ）と比較すると、図１９（Ａ）及び図１９（Ｂ）に示す、上記ドベシイのウェーブレットで分解した波形から求めた特徴量（相関値）の各路面毎の値は、上記図１４（Ａ）及び図１４（Ｂ）に示す特徴量の分布領域より、広い。このように、各路面の特徴量は広い範囲に散らばって分布しているので、特徴量から、路面状態を正確に判別することができる。

なお、シムレット、コアレット、及びメイエのウェーブレットで分解した波形から求めた特徴量（相関値）の各路面毎の値も、広い範囲に散らばって分布しているので、特徴量から、路面状態を正確に判別することができる。

次に、上記前処理器１４の具体的内容を図２０を参照して説明する。

図２０に示すように、上記前処理器１４は、タイヤ発生源波形波長データを記憶するメモリ１４Ａ、マザー・ウェーブレット（ウエーブレット関数）を発生するウェーブレット関数発生器１４Ｂ、メモリ１４Ａに記憶されたタイヤ発生源波形波長データと、ウェーブレット関数発生器１４Ｂにより発生されたマザー・ウェーブレットと、から、タイヤ発生源の波形を解析するためのウェーブレット基底を演算するウェーブレット基底演算器１４Ｃ、及び、タイヤ発生音検出センサ１０により検出されたタイヤ発生音とウェーブレット基底演算器１４Ｃにより演算されたウェーブレット基底との内積を演算して相似相関値を検出する相似相関演算器１４Ｃを備えている。

ウェーブレット関数発生器１４Ｂは、マザー・ウェーブレットを発生する。このマザー・ウェーブレットは、以下の式を満たす２乗可積分関数に属する。

さらに、マザー・ウェーブレットは、

となる関数の総称である。数３における左の式（第1の条件）から、ψ（ｔ）は、振動的で、台（関数が０とならない区間の閉包）が有界となるものである。そして、数３における右の式（第2の条件）から、ψ（ｔ）は、その変動が有限で１に標準化されている。マザー・ウェーブレットは、これら２つの条件をみたす限り任意のものでよい。

ウェーブレット基底演算器１４Ｃは、メモリ１４Ａに記憶されたタイヤ発生源波形波長データと、ウェーブレット関数発生器１４Ｂにより発生されたマザー・ウェーブレットと、から、タイヤ発生源の波形を解析するためのウェーブレット基底を演算する。即ち、ウェーブレット基底演算器１４Ｃは、タイヤ発生音の発生源となる各発生源波形を検出するための、ウェーブレット基底を演算する。

ウェーブレット基底は次式で表される。

aは、波長の拡大・縮小を制御するスケール・パラメータ、ｂは時間を調整するシフト・パラメータである。

ウェーブレット基底演算器１４Ｃは、メモリ１４Ａに記憶されたタイヤ発生源波形波長データからウエーブレット基底の波長がタイヤ発生源波長と等しくなるようスケール・パラメータaを設定する。即ち、複数の路面状態の各々の路面を予め走行することにより、ウエーブレット基底の波長がタイヤ発生源波長と等しくなるようスケール・パラメータaを設定する。

相似相関演算器１４Ｃは、タイヤ発生音検出センサ１０により検出されたタイヤ発生音とウェーブレット基底演算器１４Ｃにより演算された各ウェーブレット基底との内積を演算して相似相関値を検出する。即ち、相似相関演算器１４Ｃは、次式のように、設定したウェーブレット基底とタイヤ発生音ｘ（ｔ）との内積を演算する。

そして、相似相関演算器１４Ｃは、シフト・パラメータｂ変化させて、各時点での相似相関値を演算して、タイヤ発生音から、その発生源となる音の成分を検出する。

このように、一般に間欠音との相似性の強いウェーブレット関数を用いて、さらにタイヤ発生源となる各波形の波長データから、そのタイヤ発生源波形と相似なウェーブレット基底を求め、そのウェーブレット基底とタイヤ発生音の内積を演算するので、タイヤ発生音からその発生源となる成分のみを精度良く検出できる。

ここで、

とおき、変形すると、数５の式は、

となり、インパルス応答がｇ（ｔ）であるフィルタにｘ（ｔ）を入力したときの出力と等価である。

即ち、相関を利用した信号処理法に整合フィルタがある。これはある波形と一致した波形が入力されたときに大きな出力が得られるように設計されたフィルタである。たとえばｚ（ｔ）という波形に一致したときに出力が大きくなるようなフィルタを考える。フィルタのインパルス応答をｇ（ｔ）＝ｚ（−ｔ）のようにする。入力をｕ（ｔ）、出力をｙ（ｔ）とすると、

となる。すなわち入力にｚ（ｔ）と同じ波形が入ると、出力はｚ（ｔ）の自己相関関数をｔだけずらしたものになる。一方で、ｚ（ｔ）と相関のない入力に対しては出力は小さくなる。

ウェーブレット変換はスケーリング付の整合フィルタと考えることが出来る。すなわち、ウェーブレット変換はインパルス応答がｇ（ｔ）であるフィルタにｘ（ｔ）を入力したときの出力と等価である。

このフィルタを整合フィルタと考えると、

即ち、スケーリングしたアナライジングウェーブレットと一致した波形が入力されたときに大きな出力が得られる整合フィルタということになる。
（変形例）
次に、第１の実施の形態の変形例を説明する。以下に示す２つの変形例は何れも、上記前処理器１４の部分が異なる。よって、主として異なる部分のみを説明する。

図２１に示すように、第１の変形例にかかる前処理器１４Ｎ１は、タイヤ発生音の各発生源波形に対し、相関のある各相似波形を記憶する相似波形メモリ１４Ｇ、及び、タイヤ発生音と、該記憶した各相似波形の相関を演算して、タイヤ発生音からその各発生源波形を検出する相関演算器１４Ｈを備えている。

相似波形メモリ１４Ｇは、タイヤ発生音の各発生源波形に対し、相関のある各相似波形を記憶する。具体的には、図２３に示すように、タイヤ発生音と相関をとるために、複数の路面、例えば、上記のように、乾燥路面、湿潤路面、圧雪路面、及び氷盤路面などの各路面毎に対応して基本波形を記憶する。即ち、各路面を予め走行することにより検出した各路面の基本波形を記憶する。なお、図２３（Ａ）は、乾燥路面の基本波形、図２３（Ｂ）は、湿潤路面の基本波形を示している。

相関演算器１４Ｈは、タイヤ発生音と、上記記憶した各基本波形の相関を演算して、タイヤ発生音からその各発生源波形を検出する。

具体的には、タイヤ発生音ｘ（ｉ）と基本波形ｓ（ｉ）との相関を次式より演算する。

即ち、図２４に示すように、一定期間内のタイヤ発生音ｘ（ｉ）（図２４（Ａ）参照）に対し、例えば、乾燥路面の基本波形ｓ（ｉ）（図２３（Ａ）、図２４（Ｂ）参照）を用いて、相関をとると、図２４（Ｃ）に示すように相関値Ｒｘｓ（ｉ）が得られる。図２４（Ａ）乃至図２４（Ｃ）に示すように、一定期間内のタイヤ発生音ｘ（ｉ）の中で、基本波形ｓ（ｉ）に近似している部分について大きな相関値Ｒｘｓ（ｉ）が得られる。

次に、第２の実施の形態の変形例を説明する。図２２に示すように、第２の変形例にかかる前処理器１４Ｎ２は、タイヤ発生音の各発生源波形に対し、相関のある各相似波形を設定する相似波形設定器１４Ｉ、及び、タイヤ発生音と、該設定された各相似波形の相関を演算して、タイヤ発生音からその各発生源波形を検出する相関演算器１４Ｊを備えている。

相似波形設定器１４Ｉは、各路面状態のタイヤ発生源波形と相似な局在波形（原波形）を用いて、その波長を設定するすることにより、基本波形を設定する。図２５は、次式による局在波系の一例である。

相似波形設定器１４Ｊは、上式のパラメータａを、各タイヤ発生源波形を最も良く検出できるよう設定する。即ち、各路面を予め走行することにより、各路面の波形に一致又は近似するように、上式のパラメータａを設定する。例えば、図２５に示すように、局在波形（a＝１）Ｗ１を、走行した路面の波形に一致又は近似するように、パラメータａを１より小さくして、基本波形Ｗ２を設定する。

なお、相関演算器１４Ｊは、タイヤ発生音と、上記設定された各基本波形の相関を演算して、タイヤ発生音からその各発生源波形を検出する。なお、詳細は上記第１の変形例と同様であるので、その説明を省略する。

なお、第２の変形例では、各路面の基本波形を、上記数式のパラメータを変更することにより、設定しているので、各路面の基本波形事態を記憶する第１の変形例に比べると、記憶量を少なくすることができる。

次に、本発明の第２の実施の形態を説明する。本実施の形態は、路面と車輪そとの間の最大摩擦係数である最大路面摩擦係数μsを推定する路面摩擦係数推定装置（μs推定装置）５０に、路面状態推定器を備えたものである。即ち、μs推定装置５０は、図７に示すように、第１の実施の形態の路面状態推定器１００と同構成の路面状態推定器５２と、各路面状態毎に対応して最大路面摩擦係数μsを記憶する路面μ推定器５４と、から構成されている。第１の実施の形態と比較すると、路面状態から最大路面摩擦係数μsを推定する機能を付加した点相違する。

即ち、路面μ推定器５４は、路面状態推定器５２により推定された路面状態と、路面μ推定器５４が各路面状態毎に対応して記憶する最大路面摩擦係数μsと、から、現在走行している路面（タイヤ発生音が検出された路面）の最大路面摩擦係数μsを推定するものである。

最大路面摩擦係数μsは路面状態と走行速度、水膜圧、タイヤ種類に依存することが、横浜ゴム株式会社編「自動車用タイヤの研究」山海堂に示されている。

路面μ推定器５４では、路面状態判別部で判別した路面状態から最大路面摩擦係数μsを関連付けて出力する。

次に、本発明の第３の実施の形態を説明する。図８に示すように、本実施の形態は、前述した第２の実施の形態（図７参照）と略同様の構成であるが、車輪速が路面μ推定器６４にも入力されるように構成されている点で相違する。

即ち、本実施の形態に係るμs推定装置６０は、第１の実施の形態の路面状態推定器１００と同構成の路面状態推定器６２と、各路面状態毎及び車輪速毎に対応して最大路面摩擦係数μsを記憶する路面μ推定器６４と、から構成されている。

路面μ推定器６４は、車輪速及び路面状態推定器６２で判別された路面状態と、
路面μ推定器６４が各路面状態毎及び車輪速毎に対応して記憶している最大路面摩擦係数μsと、から現在走行している路面（タイヤ発生音が検出された路面）の最大路面摩擦係数μsを推定し、これを出力する。

第１の実施の形態と比較すると、路面状態と車速から最大路面摩擦係数を推定する機能を付加した点相違する。

次に、本発明の第４の実施の形態を説明する。

図９に示すように、本実施の形態に係るμs推定装置７０は、第１の実施の形態に係る路面状態推定器１００と同構成の路面状態判別器７２、路面μ推定器７８、μ勾配推定器７４、及びタイヤ種別判定器７６から構成されている。

本実施の形態に係るμs推定装置７０では、路面状態推定器７２で路面状態を推定する。

μ勾配推定器７４で車輪と路面との間の摩擦係数のスリップ速度に対する勾配であるμ勾配を推定する。即ち、μ勾配推定器７４は、例えば、特願２００２−０４０７２２号公報に記載の方法により前輪及び後輪の車輪速差と前後加速度とを用いてμ勾配を推定する。

タイヤ種別判定器７６では、μ勾配に基づいてタイヤ種別を判定する。タイヤ種別判定器７６は、例えば、特願２００２−０４０７２２号公報に記載の方法により、μ勾配推定器７４で推定されたμ勾配を用いて、サマータイヤ（磨耗したスタッドレスタイヤを含む。）であるか、スタッドレスタイヤであるかのタイヤの種別を判定する。

そして、路面μ推定器７８は、路面状態、車輪速、及びタイヤ種から、路面μ推定器７８で現在走行している路面（タイヤ発生音が検出された路面）の最大路面摩擦係数μsを推定する。第１の実施の形態と比較すると、路面状態とタイヤ種別と車輪速から最大路面摩擦係数μsを推定する機能を付加した点相違する。

次に、本発明の第５の実施の形態を説明する。

本実施の形態に係るμs推定装置は、図１０に示すように、定常走行時の最大路面摩擦係数μsを推定するμs推定器８０と、加減速走行時の最大路面摩擦係数μｇ１を推定するμｇ１推定器８２と、旋回走行時の最大路面摩擦係数μｇ２を推定するμｇ２推定器８４と、最大路面摩擦係数μｇ１、μｇ２のいずれか一方を選択するμｇ選択器８６と、重み係数Ｋを決定する重み係数決定器８８と、総合的な最大路面摩擦係数μｍａｘを推定するμｍａｘ推定器９０と、を備えている。

μs推定器８０には、前述したタイヤ発生音及び車輪速が入力される。μｇ１推定器８２には、図示しないセンサから前後加速度（加減速度）が入力される。μｇ２推定器８４には、図示しないセンサから横加速度が入力される。

以下、各器を説明する。

μs推定器８０としては、図７、図８、図９のμs推定器５０、６０、７０の何れも採用することができる。

μｇ１推定器８２は、例えば、特願２００２−０４０７２２号公報に記載の方法により、車輪速及び前後加速度に基づいてμ勾配を推定し、μ勾配に基づいて加減速走行時のグリップ度Ｇｒ１及び最大路面摩擦係数μｇ１を推定する。推定された最大路面摩擦係数μｇ１はμｇ選択器８６に供給される。

μｇ２推定器８４は、例えば、特願２００２−０４０７２２号公報に記載の方法により、車輪速からμ勾配を推定し、μ勾配に基づいて旋回走行時のグリップ度Ｇｒ２及び細大路面摩擦係数μｇ２を推定する。推定された最大路面摩擦係数μｇ２はμｇ選択器８６に供給される。

μｇ選択器８６は、μｇ１推定器８２で推定された最大路面摩擦係数μｇ１と、μｇ２推定器８４で推定された最大路面摩擦係数μｇ２と、のうちの大きな値の方を選択し、選択したものを最大路面摩擦係数μｇとしてμｍａｘ推定器９０に供給する。

なお、μｇ選択器８６は、グリップ度Ｇｒ１，Ｇｒ２のうち小さい方に対応する最大路面摩擦係数を選択してもよい。また、μｇ選択器８６は、操舵角センサで検出された操舵角に基づいて旋回走行時であるかを判定し、旋回走行時であるときは最大路面摩擦係数μｇ２を選択し、旋回走行時でないときは最大路面摩擦係数μｇ１を選択してもよい。

重み係数決定器８８は、μｇ選択器８６で選択された最大路面摩擦係数μｇに対するグリップ度Ｇｒに基づいて、重み係数Ｋを決定する。具体的には、等該グリップ度Ｇｒが１に近づくに従って重み係数Ｋを１に近づけ、グリップ度Ｇｒがゼロに近づくに従って重み係数Ｋをゼロに近づける。即ち、車両が定常走行している場合は、グリップ度Ｇｒは大きな値（１に近い値）になるので、μｇよりもμsの信頼度を高くするために、重み係数Ｋを１に近い値にする。

また、車両が加減速走行又は旋回走行している場合は、グリップ度Ｇｒは小さな値になるので、μsよりもμｇの信頼度を高くするために、重み係数Ｋをゼロに近い値にする。

なお、重み係数決定器８８は、トラクション・コントロール・システム（TRC：Traction Control System）,アンチロック・ブレーキ・システム（ABS：Antilock Brake System）等の車両安定性制御システム（VSC：Vehicle Stability Control System）の制御が行われている場合は、重み係数Ｋをゼロに近づけてもよい。

μｍａｘ推定器９０は、例えば、特願２００２−０４０７２２号公報に記載の方法により、定常走行時と、加減速走行時又は旋回走行時とを総合的に考慮した最大路面摩擦係数μｍａｘを推定する。

以上のように、定常走行時の最大路面摩擦係数μsと、加減速走行時時又は旋回走行時の最大路面摩擦係数μｇとに基づいて、総合的な最大路面摩擦係数μｍａｘを推定することができる。

このとき、加減速走行時又は旋回走行時のグリップ度Ｇｒに基づいて重み付け係数Ｋを求めるので、定常走行時、加減速走行時又は旋回走行時の状態をそれぞれ考慮することができ、制度良く最大路面摩擦係数μｍａｘを推定することができる。

次に、本発明の第６の実施の形態を説明する。

図１１に示すように、本実施の形態に係る路面摩擦係数推定装置は、前方路面特徴量検出器１０２、現在路面特徴量検出器１０４、及び路面摩擦係数真値記憶装置１０７を備えている。

ここで、前方路面特徴量検出器１０２は、前方路面特徴量を検出する装置として、次の装置を適用することができる。即ち、例えば、カメラで前方路面を撮影して得られた画像の水平、垂直偏光画像のパワースペクトル分布を検出する装置（特開平成８年−３２７５３０号報参照）、カメラで前方路面を撮影して得られた画像の色相、彩度、明度それぞれの平均、及び分散値を検出する装置（特開２００２−１４０７８９号報参照）等である。また、インフラ側の前方路面センサや前方車両を前方路面特徴量検出器１０２として採用することができ、これらにより計測された路面μ値等を前方路面の特徴量として検出するようにしてもよい。

また、現在路面特徴量検出器１０４は、現在路面特徴量を検出する装置として、次の装置を適用することができる。即ち、例えば、ロードノイズの周波数スペクトルを検出する装置（特開平６−１３８０１８号公報、特開平７−１５６７８２号公報等参照）や、超音波の路面反射特性を検出する装置（特開平９−５４４９号公報参照）、光の路面反射特性を検出する装置（特開平７−４９２２３号公報参照）や、前述した第１の実施の形態乃至第５の実施の形態等である。

更に、路面摩擦係数真値記載装置１０７は、車両状態量から測定される路面摩擦係数で、車両挙動の限界付近の路面摩擦係数、あるいは比較的長い期間の統計をとったより現在路面及び前方路面の確からしい路面摩擦係数を記憶している。なお、具体的内容は、特願２００２−０４０７２２号の出願明細書に記載されている。

前方路面特徴量検出器１０２には、特徴ベクトル生成器１０４が接続されている。特徴ベクトル生成器１０４には、μ判定処理器１１０及びμ判定マップメモリ１１２を備えた前方路面μ推定器１０８が接続されている。μ判定処理器１１０の出力側には、遅れ時間処理器１１４が接続されている。

現在路面特徴量検出器１０４には、特徴ベクトル生成器１２０が接続されている。特徴ベクトル生成器１２０には、μ判定処理器１２４及びμ判定マップメモリ１２６を備えた前方路面μ推定器１２２が接続されている。μ判定処理器１２４の出力側には、遅れ時間処理器１２８が接続されている。なお、特徴ベクトル生成器１２０には、前方路面特徴量検出器１０２の前方路面特徴量を遅れ時間処理して特徴ベクトル生成器１２０に入力する遅れ時間処理器１０６が接続されている。

遅れ時間処理器１１４と路面摩擦係数真値記憶装置１０７とには減算器１１６が接続されていると共に、遅れ時間処理器１２８と路面摩擦係数真値記憶装置１０７とには減算器１３０が接続されている。減算器１１６にはμ判定マップメモリ１１２が記憶している値を修正するマップ修正処理器１１８が接続されていると共に、減算器１３０にはμ判定マップメモリ１２６が記憶している値を修正するマップ修正処理器１３２が接続されている。

次に、本実施の形態の作用を説明する。本実施の形態は、前方路面μと現在路面μをそれぞれその路面状態とμ判定マップの路面μとを対応させることにより、路面μを推定する装置で、過去の車両挙動等から測定された路面μの真値とその真値の時点の前方路面μの値と現在路面μの値との比較を行い、真値の路面μに近づくようにμ判定マップを学習する。以下、詳細に説明する。

前方路面特徴量検出器１０２は、上記前方路面の特徴量を検出する。特徴ベクトル生成器１０４は、前方路面特徴量を１つのベクトルとし、前方路面μ判定器１０８に入力する。

前方路面μ判定器１０８は、前方路面特徴量を入力し、対応する前方路面の摩擦状態（摩擦状態を表す物理量）、例えば、摩擦係数を出力するための識別処理を行う。識別処理は、近傍決定則（ＮＮ法）、ベイズ決定則、線形識別関数、ニューラルネットワークなどを適用することができる。識別処理として近傍決定則（ＮＮ法）を用いる場合、あらかじめ各路面状態の前方路面データをそれに対応する路面摩擦係数でクラス分けし、プロトタイプとしてμ判定マップメモリ１１２に記憶しておく、μ判定処理器１１０では、判定時に入力される前方路面データがμ判定マップメモリ１１２に記憶されているプロトタイプと比較され、最も距離の近いプロトタイプの属する路面摩擦係数のクラスを前方路面摩擦係数の判定結果として出力する。距離としてはユークリッド距離が使われるときが多い。識別手法としてニューラルネットを用いる場合は、ニューラルネットの重み係数がμ判定マップメモリ１１２のデータとなる。

現在路面特徴量検出器１０４は、上記現在路面の特徴量を検出する。遅れ時間処理処理器１０６は、前方路面特徴量を現在路面特徴量と同期を取るための処理を行う。車速の情報および前方路面データと現在路面データとの相関演算して、常に同期をとるため遅れ時間を制御する。前方路面特徴量はメモリに記憶しておき、遅れ時間後の特徴量をメモリから特徴ベクトル生成器１２０に出力する。

特徴ベクトル生成器１２０は、遅れ時間処理された前方路面特徴量と、現在路面特徴量を１つのベクトルとし、現在路面μ判定器１２２へ入力する。

現在路面μ推定器１２２は、遅れ時間処理した前方路面特徴量と現在路面特徴量から得られた特徴ベクトルを入力して、対応する現在路面の摩擦状態（摩擦状態を表す物理量）、例えば、摩擦係数を出力するための識別処理を行う。処理方法は前方路面μ判定器１０８と同様な処理を行う。

ところで、路面摩擦係数真値記載装置１０７は、前述したように現在路面及び前方路面の確からしい路面摩擦係数を記憶している。

遅れ時間処理器１１４と遅れ時間処理器１２５は、路面摩擦係数真値が測定された時点の前方路面摩擦係数、現在路面摩擦係数を出力する。前方路面摩擦係数と、現在路面摩擦係数をメモリに記憶しておき、路面摩擦係数真値が測定された時点の値をメモリから出力する。

マップ修正処理器１１８は、路面摩擦係数真値と遅れ時間処理された前方路面摩擦係数との偏差に応じて、μ判定マップ１に記憶されているプロトタイプの摩擦係数の値を増減させ、路面摩擦係数真値に近づくようμ判定マップメモリ１１２内のμ判定マップを学習する。マップ修正処理器１３２も同様の処理を行い、μ判定マップメモリ１２６内のμ判定マップを学習する。

以下、マップ修処理器１１８、１３２のマップ修正処理の具体的計算方法を２例示す。
具体例１
マップ修処理器１１８では、μ判定マップメモリ１１２に予め次の代表的な前方路面特徴量の特徴ベクトルを記憶しておく。
ｘ₁＝（ｘ₁₁，ｘ₁₂，…ｘ_1d）
ｘ₂＝（ｘ₂₁，ｘ₂₂，…ｘ_2d）
・
・
・
ｘ_n＝（ｘ_n1，ｘ_n2，…ｘ_nd）
ここで各要素ｘ_n1，ｘ_n2，…ｘ_nd等はそれぞれ前方路面特徴量を示す。

さらに、上記各々の特徴ベクトルに下記の様に１対１で対応する前方路面摩擦係数μを記憶しておく。
ｘ₁ → μ₁
ｘ₂ → μ₂
・
・
・
ｘ_n → μ_n
今現在の前方路面特徴ベクトルをｘaとすると、μ判定処理器１１０では最初に、ｘaとμ判定マップ１に記憶されている特徴ベクトルｘ1，ｘ2，…ｘnとのｄ次元の特徴空間での距離を演算し、最も距離の短いマップの特徴ベクトルを選択する。

ここで例えばマップの特徴ベクトルｘと対応する前方路面摩擦係数μを以下の様に設定したとする。

乾燥アスファルト路面に相等 ｘ₁ → μ₁ ＝ ０．８
湿潤アスファルト路面に相等 ｘ₂ → μ₂ ＝ ０．６
圧雪路面 ｘ₃ → μ₃ ＝ ０．２
氷盤路面 ｘ₄ → μ₄ ＝ ０．１
上記演算の結果、ｘ_aに最も距離の近い特徴ベクトルがｘ₁とすると、ｘ₁のポインタが指示するアドレスに記憶されているμ₁＝０．８を今現在の前方路面摩擦係数として出力する。

こうして推定された摩擦係数μsは一旦記憶され、過去の路面摩擦係数真値μ_riと比較するために、遅れ時間処理し、その時点の推定摩擦係数と次式により比較し、その誤差を求める。

一旦記憶される推定摩擦係数μsを時系列順に
μ_s1，μ_s2…μ_si…μ_snとする。
過去の路面摩擦係数真値をμ_ri、その時点の推定摩擦係数をμ_siとすると、
ｅ_i＝μ_ri−μ_si
μ_ri＝０．９、μ_si＝０．８だったとすると
ｅ_i＝０．１
従ってマップ修正処理器１１８では、次式により、乾燥アスファルト路面に相当するμ値を更新する。
μ_1new＝μ₁＋ｅ_i
＝０．８＋０．１
でｘ₁に対するμ₁を０．９に修正する。

なお、マップ修正処理器１３２でも、現在路面摩擦推定に対し上記と同様の処理を行う。

具体例２
ニューラルネットワークを用いて誤差逆伝播法によりマップを修正する計算例を示す。

μ判定器処理器１１０、１２４を図１２に示すニューラルネットワークで構成する。

ここで、入力層Ｋへ入力されるｘ₀，…，ｘ₀'，…，ｘ_1dは特徴ベクトルの各要素を示し、出力層Ｌのμ₁，…，μ_l，…，μ_1dはその特徴ベクトルに対応する路面摩擦係数の値を示すベクトルの各要素を示す。

μ判定器処理器１１０、１２４では、予め代表的な各種路面の特徴ベクトル
ｘ₁＝（ｘ₁₁，ｘ₁₂，…ｘ_1d）
ｘ₂＝（ｘ₂₁，ｘ₂₂，…ｘ_2d）
・
・
・
ｘ_n＝（ｘ_n1，ｘ_n2，…ｘ_nd）
をニューラルネットワークの学習データとし、それに１対１に対応する路面摩擦係数μ₁，μ₂，…，μ_nを教師データとして、学習データの特徴ベクトルを入力し、それに対応する教師データが出力されるよう、ニューラルネットワークを学習させておく。そして、学習で得られたニューラルネットワークの重み係数をμ判定マップメモリ１１２、１２６に記憶させておく。ここで出力層で出力される路面摩擦係数の値を示すベクトルについて説明する。

出力層の路面摩擦係数ベクトルＭ＝（μ₁，…，μ_l，…，μ_c）は例えば次のように摩擦係数値μ_sと対応させる。
Ｍ＝（１，…０，…０） → μ_s＝０．１
Ｍ＝（０，１…０，…０） → μ_s＝０．２
・
・
・
Ｍ＝（０，０…０，…１） → μ_s＝１．０
従って、特徴ベクトルｘ₁＝（ｘ₁₁，ｘ₁₂，…ｘ_1d）に対応する教師データμ₁＝０．１の場合、ニューラルネットにｘ₁を入力すると出力層ｙμ_s＝０．１に相当するＭ＝（１，…０，…０）になるようにニューラルネットを学習させる。

このように、予め記憶させたμ判定マップによる摩擦係数の推定値の精度を上げるためには現在走行中の路面状況をより反映したμ判定マップに修正する必要がある。

そのため走行中に得られた特徴ベクトルを記憶させておき、これを学習データとし、同時点での路面摩擦係数真値を教師データとして再学習しμ判定マップを修正する。

再学習のタイミングは、推定摩擦係数と路面摩擦係数真値の誤差がある許容範囲を超えたときに行う。

さて、この場合におけるμ判定マップの修正は、ニューラルネットワークの重み係数を誤差逆伝播法により行うことができる（誤差逆伝播法は「パターン認識」オーム社Ｐ４２〜Ｐ４８に詳細に記載されている）。

以上説明したように、本実施の形態では、前方路面μと現在路面μのμ判定に用いるμ判定マップを車両の挙動等から得られた過去の真のμ値を用いて学習するため、種々のどんな路面状態においても正確な前方路面μと現在路面μが得られる。

また、本実施の形態では、現在路面の路面摩擦係数を推定するのに、現在走行している路面状態を表す特徴量の他に、前方路面の路面状態を表す特徴量を用いているので、多くの情報を得て路面摩擦係数を推定することができ、現在走行している路面の路面摩擦係数を精度よく推定することができる。

更に、本実施の形態では、現在路面の予め求められた路面摩擦係数と、推定された路面摩擦係数と、に基づいて、記憶された路面摩擦係数を修正するので、記憶された路面摩擦係数を適正な値にすることができ、路面摩擦係数を精度よく推定することができる。

更に種々の実施の形態を説明する。なお、各実施の形態では、同一の構成部分を有するので、同一の構成部分には同一の符号を付して、その構成及び作用の詳細な説明を省略する。

第７の実施の形態を説明する。

図２６に示すように、本実施の形態にかかる路面状態物理量演算装置としての路面状態推定装置は、車両が走行予定の前方路面の輝度情報を検出する検出手段としての、前方の路面画像を検出する路面画像検出センサ１０Ａと、前記検出手段により検出された前方路面の路面画像と、路面状態を表す路面状態物理量を演算するためのパラメータと、に基づいて、路面状態物理量を演算し、演算した路面状態物理量から前方路面状態を推定する路面状態推定器１００と、を備えている。なお、路面状態推定器１００は、演算手段を構成する。

より詳細には、路面画像検出センサ１０Ａは、前方路面側の領域を複数の領域に分割しかつ該分割した複数の領域各々の輝度情報を検出する例えば、ＣＣＤカメラ等により構成することができる。

路面状態推定器１００は、後述するように、パラメータとしての閾値ｋを修正するとともに、路面画像検出センサ１０Ａにより検出された前方の路面画像の画像データの各画素の輝度データを、該修正された閾値ｋにより、輝度の低い分布のクラスＣ１と、輝度の高い分布のクラスＣ２と、の２つのクラスに分ける輝度分布演算器１１、及び、輝度分布演算器１１により前方の路面画像の各画素の輝度データが分けられ、分けられた輝度データの個数（画素数；路面状態物理量に対応する）を演算し、輝度データが輝度の高いクラスＣ１に、より多く分けられた場合には、圧雪か氷盤の第１の路面状態と判定し、輝度データが輝度の低いクラスＣ２に、より多く分けられた場合には、乾燥か湿潤路面の第２の路面状態と判定する判定処理器２０Ａを備えている。

次に、本実施の形態の作用を説明する。

最初に、輝度分布演算器１１Ａの演算の一手法について説明する（大津、粟田、関田著「パターン認識」朝倉書店参照）。

路面画像検出センサ１０Ａで検出された最大輝度がＬレベルで表され、０からＬまでの間のレベルｉのデータ数をｎｉ、全データ数をＮとすると正規化ヒストグラムは、

で表され、これは、輝度の確率分布とみなすことができる。輝度の全平均レベル、全分散は、それぞれ

で与えられる。

０からＬまでの間のレベルｋを閾値とし、ｋ以下の区間Ｓ１＝［１、・・・、ｋ］のデータをクラスＣ１、ｋより高い輝度の区間Ｓ２＝［ｋ＋１、・・・、Ｌ］のデータをクラスＣ２に分類するものとする。また、正規化ヒストグラムに対して、次の二つの累計量

を定義する。

レベルｋを閾値としたときの各クラスの生起確率は、この累計量を用いて、

で与えられる。また、各クラスの平均レベルは

で与えられる。

ヒストグラムを閾値ｋにより二つのクラスに分けたとき、クラスの分離度がよければその閾値はよい閾値であることが期待できる。閾値ｋのよさを評価するために、判別基準

を考える。ここで、

は、それぞれ、クラス内分散およびクラス間分散である。クラス内分散、クラス間分散、および全分散の間には、

の基本的関係がｋによらず常に成立する。

σ² _Wとσ² _Bとはともにｋの関数であるが、前者が２次の統計量まで必要とするのに対して、後者は１次の統計量のみに基づいている。つまり、ηがｋに関して最も簡単な評価基準である。したがって、最適閾値として２クラスＣ１、Ｃ２の最もよい分離を与えるｋを探索する場合には、閾値ｋのよさの評価としてηを採用するのが最も効率的である。これは、σ² _bを最大とするｋを最適閾値とすることと同値となる。よって最適なｋ^*は、

から、

のように逐次ｋを進めて探索することができる。ここで、ｋは実質的にはｗ１ｗ２＞０、つまり、０＜ｗ（ｋ）＜１の範囲を動かせばよい。

以上説明したように、輝度分布演算器１１Ａは、路面画像検出センサ１０Ａにより得られた前方路面の輝度情報から、輝度分布が適切に環境条件（日照条件等）に反映するように、閾値ｋを修正している。即ち、快晴の昼間と夕方とでは、同じ路面状態の路面を走行していても、輝度分布は異なる。そこで、本実施の形態では、このように、例えば、快晴の昼間と夕方とでも、同じ路面状態であれば同じ路面状態と判定されるように、閾値ｋを修正している。

そして、輝度分布演算器１１は、路面画像検出センサ１０Ａにより検出された前方の路面画像の画像データの各画素の輝度データを、上記のように走行中オンラインで常に修正される閾値ｋにより、輝度の低い分布のクラスＣ１と、輝度の高い分布のクラスＣ２と、の２つのクラスに分ける。

判定処理器２０Ａは、輝度分布演算器１１により前方の路面画像の各画素の輝度データが分けられた輝度データの個数（画素数；路面状態物理量に対応する）を演算し、輝度データが輝度の高いクラスＣ１に、より多く分けられた場合には、圧雪か氷盤の第１の路面状態と判定し、輝度データが輝度の低いクラスＣ２に、より多く分けられた場合には、乾燥か湿潤路面の第２の路面状態と判定する。

以上説明したように第７の実施の形態では、路面状態を判定するための輝度分布の閾値は推定中一定ではなく、走行中オンラインで上記の演算をし、各路面状態の輝度分布を常に学習して、日照条件等の走行環境の変化に適応しているため、走行環境にロバストな推定が可能となる。

次に、第８の実施の形態を説明する。

図２７に示すように、第８の実施の形態の路面状態推定装置は、上記第７の実施の形態にかかる路面画像検出センサと同様の路面画像検出センサ１０Ａ、前方路面状態を推定する路面状態推定器１１０Ａ、各々上記第１の実施の形態のタイヤ発生音検出センサ及び路面状態推定器と同様の、タイヤ発生音を検出するタイヤ発生音検出センサ２０Ａ、及び、タイヤ発生音から走行中の路面状態を推定する路面状態推定器２００を備えている。

上記路面状態１１０Ａは、路面状態推定器２００で得られた走行中の路面状態の路面状態物理量としての輝度分布を演算する輝度分布演算器１３Ａ、及び、輝度分布演算器１３Ａで得られた輝度分布により、路面画像検出センサ１０で得られた前方画像の輝度分布がどの路面状態の輝度分布かを判定する判定処理器２０Ａを備えている。なお、輝度分布演算器１３Ａは、複数の路面状態の各々毎に、輝度分布を記憶する記憶手段としてのメモリを備えている。

次に、本実施の形態の作用を説明する。なお、タイヤ発生音検出センサ２０Ａ及び路面状態推定器２００の作用を前述した第１の実施の形態と同様であるので、その説明を省略する。

路面状態推定器２００は走行中常に車両が走行している路面の路面状態を推定する。

路面画像検出センサ１０Ａは前方路面側の画像の輝度情報を検出する。

輝度分布演算器１３Ａは、前方路面が現在路面になるまで、即ち、上記前方路面を車両が走行するまで、路面画像検出センサ１０Ａにより検出された前方路面側の画像の輝度情報を遅れ時間処理することにより、路面状態推定器２００で推定された現在走行中の路面状態と同期をとる。

輝度分布演算器１３は、路面状態の輝度分布を求める。以下、輝度分布演算器１３の演算を最尤推定法で求める一手法について説明する。

まず、現在走行しているある路面の路面状態の輝度のデータの集合をＸ＝｛ｘ１、ｘ２、・・・、ｘｎ｝とし、推定すべき輝度の確率密度関数をｐ（ｘ；θ）で表す。ここでθはパラメータの組を表すベクトルで、パラメータベクトルと呼ばれる。

ここで、１路面状態の輝度のデータの集合Ｘをもたらしたθとしてはいろいろなものが想定できるが、その中でどのθがいちばん尤もらしいかを考える。データの集合Ｘに含まれるデータは、確率ｐ（ｘ；θ）に従って独立に生起したものと考えられるから、このようなデータ集合が得られる確率ｐ（ｘ；θ）は次式であらわされる。

したがって、いちばん尤もらしいθは、式（２・１）を最大にするθである。このようなθを

と置き、これを推定値として用いることにすれば、

であり、これを求めるには

あるいは対数をとって

を解けばよい。

輝度の確率密度関数をｐ（ｘ；θ）が正規分布であると仮定すると、

ここでｍは平均ベクトル、Σは共分散行列である。

式（２・５）と式（２・４）より、ｍ、Σに対して、それぞれ次のような推定値

が得られる。

同様に、車両が他の路面を走行した場合には、当該他の路面状態の輝度分布も上記のように演算する。よって、複数の路面状態、例えば、乾燥、湿潤、圧雪、氷盤、の各路面状態に対応して輝度分布を走行中常に記憶（更新）する。

判定処理器２０Ａは、路面画像検出センサ１０Ａで今回検出された前方路面の輝度分布がどの路面状態のものかを判定する。即ち、上判定処理器１２Ａは、上記のように、複数の路面状態、例えば、乾燥、湿潤、圧雪、氷盤、の各路面状態に対応して輝度分布を記憶している。そして、判定処理器２０Ａは、路面画像検出センサ１０Ａで今回検出された前方路面の輝度分布が、上記のように複数の路面状態の各々毎に記憶された輝度分布の何れにもっとも近いのかを判定し、判定された輝度分布に対応する路面状態を前方路面の路面状態の推定結果として出力する。

以上説明したように第８の実施の形態では、第７の実施の形態同様、路面状態を判定するための輝度分布の閾値は推定中一定ではなく、走行中オンラインで上記の演算をし、各路面状態の輝度分布を常に学習して、日照条件等の走行環境の変化に適応しているため、走行環境にロバストな推定が可能となる。さらに、第８の実施の形態では、常にタイヤ発生音から推定された現在走行中の路面状態の輝度の分布をオンラインで学習して求め、実際の走行路面状態と推定の演算で用いる路面状態を照合しているため、より正確な推定結果を得ることが出来る。

なお、輝度分布演算器１３は、第７の実施の形態の輝度分布演算器１１を用いて、輝度分布演算器１１でクラス分けした路面状態を、路面状態推定器２００で推定された路面状態推定結果で修正するようにしても良い。

次に、第９の実施の形態を説明する。

図２８に示すように、第９の実施の形態にかかる路面状態推定装置は、路面画像検出センサ１０Ａ、前方路面状態を推定する路面状態推定器１００Ａ（なお、上記路面状態推定器１１０Ａでもよい）、タイヤ発生音検出センサ２０Ａ、現在路面状態を推定する路面状態推定器２００、及び、現在走行路面の路面状態と前方路面の路面状態とを比較し、何れか一方の路面状態が変化した場合に、該変化した路面状態を報知する報知手段としての判定処理器２０を備えている。

なお、路面画像検出センサ１０Ａ、及び路面状態推定器１００Ａ（なお、上記路面状態推定器１１０Ａでもよい）は、車両が走行予定の前方路面の路面状態を検出する前方路面状態検出手段を構成し、タイヤ発生音検出センサ２０Ａ及び路面状態推定器２００は、車両が現在走行している現在走行路面の路面状態を検出する現在路面状態検出手段を構成する。

次に、本実施の形態の作用を説明する。

路面状態推定器１００Ａ（あるいは路面状態推定器１１０Ａ）は、第７の実施の形態（あるいは第８の実施の形態）で説明したように、前方路面の輝度情報から、前方の路面が圧雪あるいは氷盤の路面かその他の路面かの２状態を推定する。

一方、路面状態推定器２００では、現在走行中の路面を乾燥、湿潤、圧雪、氷盤、の４状態で推定する。

判定処理器３０では、路面状態推定器１００Ａ（あるいは路面状態推定器１１０Ａ）の推定結果と、路面状態推定器２００の推定結果と、から、前方路面の状態が現在路面の状態から変化したとき、例えば、路面状態推定器２００で推定された現在路面状態が乾燥路面で、路面状態推定器１００あるいは路面状態推定器１１０で推定された前方路面状態が乾燥か湿潤の一状態から圧雪か氷盤の一路面状態に変化したとき、判定処理器３０は、路面状態推定器１００あるいは路面状態推定器１１０で推定された結果をすみやかに出力して最終的な路面状態推定結果とする。

さらに、その後、路面状態推定器１００あるいは路面状態推定器１１０で推定された結果に変化がなく、また路面状態推定器２００で推定された現在路面状態が乾燥路面から例えば圧雪路面に変化した場合は、最終的な推定結果を圧雪か氷盤の一路面状態から、そのうちの圧雪路面と、より詳細な路面状態を出力する。

以上説明したように第９の実施の形態では、路面状態推定器１００Ａ（あるいは路面状態推定器１１０Ａ）で、前方の路面状態変化をとらえ、さらに、路面状態推定器１００あるいは路面状態推定器１１０では推定できない、より詳細な路面状態を、路面状態推定器２００で推定するため、従来の路面状態推定装置より、推定の応答性と精度を向上できる。

次に、第１０の実施の形態を説明する。

図２９に示すように、第１０の実施の形態にかかる路面状態推定装置は、路面画像検出センサ１０Ａ、路面状態推定器１００Ａ（あるいは路面状態推定器１１０Ａ）、遅れ時間処理器３０、タイヤ発生音検出センサ２０、及び路面状態推定器２１０を備えている。

なお、路面画像検出センサ１０Ａ、及び路面状態推定器１００Ａ（あるいは路面状態推定器１１０Ａ）は、前方路面の路面状態を検出する前方路面状態検出手段を構成する。タイヤ発生音検出センサ２０、及び路面状態推定器２１０は、現在走行している現在走行路面の路面状態を検出する現在路面状態検出手段を構成する。遅れ時間処理器３０は、同期手段を構成する。そして、路面状態推定器２１０は、報知手段を構成する。

次に、本実施の形態の作用を説明する。

上記路面状態推定器２１０は、現在走行中の路面の路面状態を推定するのに、タイヤ発生音の特徴量から推定するほかに、路面状態推定器１００Ａ（あるいは路面状態推定器１１０Ａ）で推定された前方路面の路面状態の推定結果を、遅れ時間処理器３０で現在走行中の路面の時刻に同期された推定結果も参考にして、現在走行中の路面の路面状態を推定する。

その具体的な一方法は、路面状態推定器１００Ａ（あるいは路面状態推定器１１０Ａ）で推定された前方路面の路面状態の推定結果が遅れ時間処理器３０で現在走行中の路面の時刻に同期されたその推定結果が、圧雪あるいは氷盤の第１の路面状態で、タイヤ発生音の特徴ベクトルから推定された現在路面の路面状態が前回の圧雪または氷盤の路面の第１の路面状態から、乾燥または湿潤路面の第２の路面状態に変化しても、乾燥あるいは湿潤路面状態の確率は低いとして、最終的に路面状態推定器２１０は圧雪または氷盤の第１の路面状態を推定結果とする。

以上説明したように第８の実施の形態では、現在走行中の路面状態を推定する際、前方路面状態の推定結果を参考にすることにより、ノイズ等の誤判定からくる確率の低い現在路面状態推定結果を排除することにより、推定の精度を向上できる。

次に、第１１の実施の形態を説明する。

図３０に示すように、本実施の形態にかかる路面状態推定装置は、タイヤ発生音検出センサ２０Ａ、車両が走行する路面の状態を推定する路面状態推定器２００（あるいは路面状態推定器１００Ａ，１１０Ａ、２１０）、路面と車両のタイヤとの間の摩擦状態である路面摩擦状態としての路面摩擦係数を推定する路面摩擦状態推定手段としての路面摩擦係数推定器３００、及び、推定された路面状態と、推定された路面摩擦係数と、に基づいて、最終の路面摩擦係数を推定する最終路面摩擦状態推定手段としての路面摩擦係数学習器４０Ａを備えている。

なお、タイヤ発生音検出センサ２０Ａ、及び路面状態推定器２００（あるいは路面状態推定器１００Ａ，１１０Ａ、２１０）は、路面状態検出手段を構成する。

次に、本実施の形態を説明する。

本実施の形態にかかる路面摩擦係数推定器３００は、車両の車輪速、前後加速度、横加速度から走行中の路面の摩擦係数を推定する。なお、本実施の形態にかかる路面摩擦係数推定器３００は、例えば、特願２００２−０４０７２２号に記載の装置が適応可能である。

路面摩擦係数学習器４０Ａは、路面状態推定器２００（あるいは路面状態推定器１００Ａ，１１０Ａ、２１０）で推定された各路面状態の、路面摩擦係数推定器３００で推定された摩擦係数を記憶しておき、走行中の各路面状態の最も確からしい摩擦係数を学習して求める。一例として最も簡単な確からしい摩擦係数を求める方法は、その路面状態に対応する路面摩擦係数推定器３００により推定された摩擦係数の移動平均値をその路面状態の摩擦係数として出力することである。以上のように、路面摩擦係数学習器４０は、路面状態推定器２００（あるいは路面状態推定器１００Ａ，１１０Ａ、２１０）で推定された路面状態における、最も確からしい摩擦係数を推定することが出来る。

以上説明したように第５の発明では、走行中の路面状態の摩擦係数を、常にオンラインで学習により求めているので、地域、季節等による路面状態の変化にも適応して、適切な路面摩擦係数を推定することが出来る。

以上説明した実施の形態では、路面摩擦係数学習器４０は、路面摩擦係数推定器３００により推定された全ての摩擦係数を平均しているが、本発明はこれに限定されず、図３１に示すように、路面摩擦係数推定器３００と、路面摩擦係数学習器４０と、の間に、路面摩擦係数選別器５０Ａを備えるようにしてもよい。

即ち、路面摩擦係数推定器３００により推定される路面摩擦係数は常に正しい値でない場合があり、何らかの影響により、現在の路面状態からかけ離れた値を推定される場合もある。このように現在の路面状態からかけ離れた値が推定されても、この値を含めて路面摩擦係数推定器３００により推定された全ての摩擦係数を平均してしまったのでは、最終敵な路面摩擦係数の推定値が正確な値とならない。

そこで、路面摩擦係数選別器５０Ａでは、複数の路面状態の各々毎に、各路面状態に対応する路面摩擦係数の値の範囲を予め定めておき、各路面状態に対応する路面摩擦状態の範囲、路面状態推定器２００等により推定された路面状態、及び路面摩擦係数推定器３００により検出された路面摩擦係数に基づいて、路面摩擦係数推定器３００により検出された路面摩擦係数が、路面状態推定器２００により推定された路面状態に対応する路面摩擦係数の値の範囲内か否かを判断し、路面摩擦係数推定器３００により検出された路面摩擦係数が、路面状態推定器２００により推定された路面状態に対応する路面摩擦係数の値の範囲内と判断された場合に、路面摩擦係数推定器３００により検出された該路面摩擦係数を、路面摩擦係数学習器４０に出力するようにする。

このように、路面摩擦係数推定器３００により検出された路面摩擦係数が、路面状態推定器２００により推定された路面状態に対応する路面摩擦係数の値の範囲内と判断された場合に、路面摩擦係数推定器３００により検出された該路面摩擦係数を、路面摩擦係数学習器４０に出力するので、現在の路面状態からかけ離れた値を用いて、路面摩擦係数学習器４０が最終敵な路面摩擦係数を推定することを防止できる。よって、最終敵な路面摩擦係数の推定値をより正確な値とすることができる。

次に、第１２の実施の形態を説明する。

図３２に示すように、本実施の形態にかかる路面状態推定装置は、図示しないが、上記第１の実施の形態における特徴ベクトル生成器１６（図１参照）により生成されたタイヤ発生音特徴量と、車輪速センサ１２（図１参照）により検出された車輪速と、から、現在走行中の路面状態を推定する路面状態推定器２２０を備えている。そして、路面状態推定器２２０は判定処理器２１Ａとプロトタイプ演算器２２Ａとからなる。

ここで、タイヤ発生音特徴量と車輪速の関係を説明する。タイヤ発生音特徴量の値は車輪速が高くなると、それに応じて大きくなる。図３６は、車輪速に対するタイヤ発生音量の関係を示したものである。タイヤ発生音特徴量の大きさは車輪速の２次関数で近似できる。

したがって、プロトタイプ演算器２２Ａでは、走行中検出されたタイヤ発生音特徴ベクトルと照合するためのプロトタイプの値を、車輪速の２次関数から演算して求める。判定処理器２１では、走行中検出されたタイヤ発生音特徴ベクトルと、プロトタイプ演算器２２で演算されたプロトタイプの値を照合して、現在走行中の路面状態を推定する。

以上説明したように第１２の実施の形態では、複数の車輪速毎に対応して記憶された路面状態のプロトタイプをすべて持つのではなく、２次関数の係数のみ記憶すればよいので、記憶容量を削減できる。

次に、第１３の実施の形態を説明する。

図３３に示すように、本実施の形態にかかる路面状態推定装置は、タイヤ発生音特徴量と車輪速から現在走行中の路面状態を推定する路面状態推定器２３０を備えている。そして、路面状態推定器２３０は判定処理器２１Ａと、プロトタイプ学習器２３Ａと、プロトタイプ演算器２４Ａとからなる。

プロトタイプ学習器２３Ａは、走行中オンラインで代表点の車輪速に対するタイヤ発生音特徴量を記憶し、記憶した値をもとにタイヤ発生音特徴量の車輪速に関する２次関数の係数を演算し更新する。プロトタイプ演算器２４Ａでは、プロトタイプ学習器２３Ａで求まる２次関数の係数をもとに、プロトタイプ演算器２４Ａでは、走行中検出されたタイヤ発生音特徴ベクトルと照合するためのプロトタイプの値を、車輪速の２次関数から演算して求める。判定処理器２１Ａでは、走行中検出されたタイヤ発生音特徴ベクトルと、プロトタイプ演算器２４Ａで演算されたプロトタイプの値を照合して、現在走行中の路面状態を推定する。

以上説明したように第１３の実施の形態では、タイヤ発生音特徴ベクトルと照合するためのプロトタイプを演算するためのプロトタイプの２次関数の係数を、走行中常にオンラインで学習して求めるため、地域、季節等による路面状態の変化にも、たとえば同じ乾燥路面でも路面状態の性質が異なり、タイヤ発生音特徴量が変化しても、それに適応して、プロトタイプ点を適切に対応できるため、変化に適応して路面摩擦係数を精度良く推定することが出来る。

以上説明した種々の実施の形態では、タイヤ発生音検出センサ２０Ａを、タイヤ発生音に、該タイヤ発生音の発生源に基づくタイヤ発生音以外の外乱の影響が小さくなる位置、例えば、タイヤ最近傍のバンパー内部に設置する。

タイヤ近傍でタイヤ発生音を検出する場合、タイヤで跳ね上げられる、泥、水、などの障害物、また風圧などの音の外乱を回避する必要がある。タイヤ最近傍のバンパー内部では泥、水、などの障害物、また風圧などの音の外乱を回避でき、しかもタイヤ発生音検出センサ２０を比較的容易に設置できる。

以上説明したように、タイヤ発生音検出センサ２０を、タイヤ最近傍のバンパー内部に設置することにより、泥、水、などの障害物、また風圧などの音の外乱を回避でき、ノイズの少ないタイヤ発生音を検出できる。またその設置が容易なことより、低コストで実現できる。

また、路面側の画像を検出する上記種々の実施の形態では、路面画像検出センサ１０Ａにより検出された画像データをそのまま出力するようにしているが、本発明はこれに限定されるものではなく、次の各素子を備えるようにしてもよい。

即ち、路面画像検出センサ１０Ａ、路面輝度検出器１４Ａ、ボンネット輝度検出器１５Ａ、及び輝度比演算器１６Ａを備えるようにしてもよい。

路面画像検出センサ１０Ａは、車両の一部及び前方路面を含む領域を撮像する。路面輝度検出器１４Ａは、路面画像検出センサ１０Ａで検出された前方路面画像から一部の前方路面の輝度を検出する、ボンネット輝度検出器１５Ａは、路面画像検出センサ１０Ａで検出された前方路面画像から車両の一部のボンネット部の輝度を検出する、輝度比演算器１６Ａは、路面輝度検出器１４Ａで得られた前方路面の輝度と、ボンネット輝度検出器１５Ａで得られた車両のボンネット部の輝度の比を演算して、路面状態推定器１００（あるいは路面状態推定器１１０）に出力する。

このように、前方路面状態を推定するための前方路面輝度情報として、車両のボンネット部の輝度との比を用いているため、車両の向きとともに日のあたる角度が変化することによる輝度の変化の影響を低減できる。また前方画像全体でなく、ある部分の平均輝度を用いることにより、演算負荷を低減できる。

第１の実施の形態に係る路面状態推定装置のブロック図である。 スタッドレスタイヤで異なる路面を所定速度で走行した時の時間−周波数解析結果を示す図である。 （Ａ）は乾燥アスファルト路、（Ｂ）は湿潤アスファルト路の、それぞれ予め把握された各路面のタイヤ発生音を、ドベシィのウェーブレット（Ｎ＝３）を用いて、ウェーブレット変換処理した波形を示す図である。 （Ａ）は永盤路、（Ｂ）は圧雪路の、それぞれ予め把握された各路面のタイヤ発生音を、ドベシィのウェーブレット（Ｎ＝３）を用いて、ウェーブレット変換処理した図である。 各ウェーブレット成分を時間−周波数解析した図である。 ウェーブレット変換を用いた前処理器１４のアルゴリズムを示すフローチャートである。 第２の実施の形態にかかる、路面摩擦係数を推定する路面摩擦係数推定装置のブロック図である。 第３の実施の形態にかかる、路面摩擦係数を推定する路面摩擦係数推定装置のブロック図である。 第４の実施の形態にかかる、路面摩擦係数を推定する路面摩擦係数推定装置のブロック図である。 第５の実施の形態にかかる、路面摩擦係数を推定する路面摩擦係数推定装置のブロック図である。 第６の実施の形態にかかる、路面摩擦係数を推定する路面摩擦係数推定装置のブロック図である。 ニューラルネットワークで構成した場合のニュー判定処理器の構成の概念図である。 ４つの異なる路面を走行したときのタイヤ発生音を、帯域フィルタを通過させることにより、分解した波形を示した図である。 （Ａ）及び（Ｂ）は、４つの異なる路面を走行したときのタイヤ発生音を、帯域フィルタを通過させることにより分解した波形から求めた特徴量（波形の実効値）を示した図である。 ドベシイのウェーブレットの基本波形を示した図である。 シムレットのウェーブレットの基本波形を示した図である。 コアレットのウェーブレットの基本波形を示した図である。 メイエのウェーブレットの基本波形を示した図である。 （Ａ）及び（Ｂ）は、４つの異なる路面を走行したときのタイヤ発生音を、ドベシイのウェーブレットの基本波形で分解した波形から求めた特徴量（相関値）を示した図である。 前処理器の詳細を示す第１の実施の形態に係る路面状態推定装置のブロック図である。 第１の実施の形態に係る路面状態推定装置の第１の変形例のブロック図である。 第１の実施の形態に係る路面状態推定装置の第２の変形例のブロック図である。 タイヤ発生音と相関をとるために路面毎に対応して予め記憶された基本波形であり、（Ａ）は、乾燥路面の基本波形を、（Ｂ）は、湿潤路面の基本波形を示した図である。 タイヤ発生音と基本波形との相関を説明する説明図である。 基本波形の設定の内容を説明する説明図である。 第７の実施の形態に係る路面状態推定装置のブロック図である。 第８の実施の形態に係る路面状態推定装置のブロック図である。 第９の実施の形態に係る路面状態推定装置のブロック図である。 第１０の実施の形態に係る路面状態推定装置のブロック図である。 第１１の実施の形態に係る路面摩擦状態推定装置のブロック図である。 第１１の実施の形態に係る路面摩擦状態推定装置の変形例のブロック図である。 第１２の実施の形態に係る路面状態推定装置のブロック図である。 第１３の実施の形態に係る路面状態推定装置のブロック図である。 タイヤ発生音検出センサの配置位置を示した図である。 路面輝度情報出力部のブロックである。 車輪速とタイヤ発生音特徴量との関係を示したグラフである。

符号の説明

１０、１０Ａ タイヤ発生音検出センサ（タイヤ発生音検出手段）
１２、１２Ａ 車輪速検出センサ（車輪速検出手段）
１４、１４Ｎ１、１４Ｎ２ 前処理器（計算手段）
１６ 特徴ベクトル生成器
２０、２０Ａ 判定処理器（推定手段）
２２ 判定マップメモリ（記憶手段）
１０２ 前方路面特徴量検出器（検出手段、第２の検出手段）
１１２ μ判定マップメモリ（記憶手段）
１０４ 現在路面特徴量検出器（検出手段、第１の検出手段）
１２６ μ判定マップメモリ（記憶手段）
１０７ 路面摩擦係数真値記憶装置（記憶手段）
１０６ 遅れ時間処理器（同期手段）
１１０ μ判定処理器（推定手段）
１２４ μ判定処理器（推定手段）
１１８ マップ修正処理器（修正手段）
１３２ マップ修正処理器（修正手段）

Claims (16)

1. 車両が走行することによりタイヤから発生するタイヤ発生音を検出するタイヤ発生音検出手段と、
   車輪速を検出する車輪速検出手段と、
   前記タイヤ発生音検出手段により検出されたタイヤ発生音の波形と少なくとも１つの予め定められた長さの基本波形との相関値を求めることにより、路面状態及びタイヤ発生音の発生源に対応する少なくとも１つの特徴量を計算する計算手段と、
   複数の路面状態の各々毎及び複数の車輪速の各々毎に対応して、路面状態及びタイヤ発生音の発生源に対応する特徴量を記憶する記憶手段と、
   前記計算手段により計算された特徴量、前記車輪速検出手段により検出された車輪速、及び、前記記憶手段に複数の路面状態の各々及び複数の車輪速の各々毎に対応して記憶された路面状態に基づいて、車両が走行する路面の状態を推定する推定手段と、
   を備えた路面状態推定装置。
2. 各々異なる路面状態を表す複数の特徴量に対応して路面とタイヤとの間の摩擦状態である路面摩擦状態を記憶する第２の記憶手段と、
   前記計算手段により検出された特徴量と、前記第２の記憶手段に各々異なる路面状態を表す複数の特徴量に対応して記憶された路面摩擦状態と、に基づいて、前記検出手段により前記特徴量が検出される対象となる路面の路面摩擦状態を推定する第２の推定手段と、
   前記検出手段により前記特徴量が検出される対象となる路面の予め求められた路面摩擦状態と、前記第２の推定手段により推定された路面摩擦状態と、に基づいて、前記第２の記憶手段に記憶された路面摩擦状態を修正する修正手段と、
   を更に備えた請求項１に記載の路面状態推定装置。
3. 前記計算手段は、前方路面の路面状態を表す特徴量を計算することを特徴とする請求項２に記載の路面状態推定装置。
4. 前記計算手段は、現在走行している路面の路面状態を表す特徴量を計算することを特徴とする請求項２に記載の路面状態推定装置。
5. 車両が走行予定の前方路面の輝度情報を検出する検出手段と、
   前記検出手段により検出された前方路面の輝度情報と、路面状態を表す路面状態物理量を演算するためのパラメータと、に基づいて、路面状態物理量を演算する演算手段と、
   を備えた路面状態物理量演算装置であって、
   前記演算手段は、前記検出手段により検出された前方路面の輝度情報に基づいて前記パラメータを修正し、該修正したパラメータと、前記検出手段により検出された前方路面の輝度情報と、に基づいて、路面状態を表す路面状態物理量を演算することを特徴とする路面状態物理量演算装置を更に備えた請求項１に記載の路面状態推定装置。
6. 前記検出手段は、前方路面側の領域を複数の領域に分割しかつ該分割した複数の領域各々の輝度情報を検出し、
   前記パラメータは、前記検出された複数の領域各々の輝度情報を各路面状態毎に分類するための値であり、
   前記演算手段は、前記検出された複数の領域各々の輝度情報を前記パラメータにより各路面状態毎に分類することにより、前記路面状態物理量を演算する、
   ことを特徴とする請求項５記載の路面状態推定装置。
7. 前記検出手段は、前方路面側の領域を複数の領域に分割しかつ該分割した複数の領域各々の輝度情報を検出し、
   前記パラメータは、前記検出された複数の領域各々の輝度情報が得られる確率を最大にする値であり、
   前記演算手段は、前記パラメータにより最大となった、前記検出された複数の領域各々の輝度情報が得られる確率を演算することにより、前記路面状態物理量を演算する、
   ことを特徴とする請求項５記載の路面状態推定装置。
8. 複数の路面状態の各々毎に、輝度情報に基づいて定まる各路面の路面状態を表す路面状態物理量を記憶する第４の記憶手段と、
   前方路面の輝度情報を検出する検出手段と、
   前記検出手段により検出された前方路面の輝度情報と、前記第４の記憶手段により複数の路面状態の各々毎に記憶された各路面の路面状態を表す路面状態物理量と、に基づいて、前方路面の路面状態を推定する第４の推定手段と、
   を備えた請求項１に記載の路面状態推定装置。
9. 前記第４の推定手段は、前記検出手段により検出された前方路面の輝度情報から路面状態物理量を求め、該求めた路面状態物理量と、前記第４の記憶手段により複数の路面状態の各々毎に記憶された各路面の路面状態物理量と、に基づいて、前方路面の路面状態を推定する請求項８記載の路面状態推定装置。
10. 請求項１記載の路面状態推定装置と、
    前記路面状態推定装置により推定された路面状態と、前記路面状態推定装置により路面状態が推定される際に前記検出手段により検出された輝度情報と、に基づいて、前記記憶手段に記憶されかつ該路面状態推定装置により推定された路面状態に対応する路面状態物理量を更新する更新手段と、
    を更に備えた請求項８記載の路面状態推定装置。
11. 車両が現在走行している現在走行路面の路面状態を推定する請求項１に記載の路面状態推定装置と、
    前方路面の路面状態を検出する前方路面状態検出手段と、
    前記路面状態推定装置により推定された現在走行路面の路面状態と、前記前方路面状態検出手段により検出された前方路面の路面状態と、を比較し、何れか一方の路面状態が変化した場合に、該変化した路面状態を報知する報知手段と、
    を備えた路面状態推定装置。
12. 前記報知手段は、前記前方路面の路面状態が前記現在路面の路面状態から変化した後、前記現在路面の路面状態が変化した場合、該変化した現在路面の路面状態を報知する請求項１１記載の路面状態推定装置。
13. 現在走行している現在走行路面の路面状態を推定する請求項１に記載の路面状態推定装置と、
    前方路面の路面状態を検出する前方路面状態検出手段と、
    前記前方路面状態検出手段により検出された前方路面の路面状態に遅れ時間処理を施す遅れ時間処理手段と、
    前記路面状態推定装置により検出された現在路面の路面状態と、前記遅れ時間処理手段により遅れ時間処理の施された前方路面の路面状態と、に基づいて、現在路面の路面状態を報知する報知手段と、
    を備えた路面状態推定装置。
14. 車両が走行する路面の路面状態を検出する路面状態検出手段と、
    前記路面と前記車両のタイヤとの間の摩擦状態である路面摩擦状態を推定する路面摩擦状態推定手段と、
    前記路面状態検出手段により検出された路面状態と、前記路面摩擦状態推定手段により推定された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定する最終路面摩擦状態推定手段と、
    を備えた請求項１に記載の路面状態推定装置。
15. 複数の路面状態の各々毎に、各路面状態に対応する路面摩擦状態の範囲を予め定めておき、
    前記各路面状態に対応する路面摩擦状態の範囲、前記路面状態検出手段により検出された路面状態、及び前記路面摩擦状態推定手段により検出された路面摩擦状態に基づいて、前記路面摩擦状態検出手段により検出された路面摩擦状態が、前記路面状態検出手段により検出された路面状態に対応する路面摩擦状態の範囲内か否かを判断する判断手段を更に備え、
    前記最終路面摩擦状態推定手段は、前記判断手段により、前記路面摩擦状態検出手段により検出された路面摩擦状態が、前記路面状態推定手段により検出された路面状態に対応する路面摩擦状態の範囲内であると判断された場合に、前記路面状態検出手段により検出された路面状態と、前記路面摩擦状態推定手段により検出されかつ該路面状態に対応する路面摩擦状態の範囲内であると判断された路面摩擦状態と、に基づいて、最終の路面摩擦状態を推定する、
    ことを特徴とする請求項１４に記載の路面状態推定装置。
16. 車両が走行することによりタイヤから発生するタイヤ発生音を検出するタイヤ発生音検出手段と、
    車輪速を検出する車輪速検出手段と、
    複数の路面状態の各々毎に、タイヤ発生音の発生源に対応する特徴量と車輪速との関係を記憶する記憶手段と、
    前記タイヤ発生音検出手段により検出されたタイヤ発生音、前記車輪速検出手段により検出された車輪速、及び前記記憶手段に前記複数の路面状態の各々毎に記憶された関係に基づいて、路面状態を推定する推定手段と、
    前記タイヤ発生音検出手段により検出された車両が走行することによりタイヤから発生するタイヤ発生音と、前記車輪速検出手段により検出された車輪速と、に基づいて、前記記憶手段に記憶された関係を更新する更新手段と、を備え、
    前記推定手段は、前記タイヤ発生音検出手段により検出されたタイヤ発生音、前記車輪速検出手段により検出された車輪速、及び前記記憶手段に前記複数の路面状態の各々毎に記憶されかつ前記更新手段により更新された関係に基づいて、路面状態を推定する、
    ことを特徴とする請求項１記載の路面状態推定装置。

Images