JP6450170B2 - 路面状態判別方法 - Google Patents
路面状態判別方法 Download PDFInfo
- Publication number
- JP6450170B2 JP6450170B2 JP2014247254A JP2014247254A JP6450170B2 JP 6450170 B2 JP6450170 B2 JP 6450170B2 JP 2014247254 A JP2014247254 A JP 2014247254A JP 2014247254 A JP2014247254 A JP 2014247254A JP 6450170 B2 JP6450170 B2 JP 6450170B2
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- tire
- time
- feature vector
- series waveform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 21
- 239000013598 vector Substances 0.000 claims description 143
- 230000006870 function Effects 0.000 claims description 86
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 45
- 230000001133 acceleration Effects 0.000 description 13
- 238000012706 support-vector machine Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C11/00—Tyre tread bands; Tread patterns; Anti-skid inserts
- B60C11/24—Wear-indicating arrangements
- B60C11/246—Tread wear monitoring systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C19/00—Tyre parts or constructions not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/06—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle
- B60C23/064—Signalling devices actuated by deformation of the tyre, e.g. tyre mounted deformation sensors or indirect determination of tyre deformation based on wheel speed, wheel-centre to ground distance or inclination of wheel axle comprising tyre mounted deformation sensors, e.g. to determine road contact area
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
- B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/064—Degree of grip
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/068—Road friction coefficient
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C19/00—Tyre parts or constructions not otherwise provided for
- B60C2019/004—Tyre sensors other than for detecting tyre pressure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T2210/00—Detection or estimation of road or environment conditions; Detection or estimation of road shapes
- B60T2210/10—Detection or estimation of road conditions
- B60T2210/12—Friction
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Tires In General (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Regulating Braking Force (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Description
なお、タイヤ振動の時系列波形における時系列波形長さ対応値(以下、時系列波形長さ対応値という)とは、タイヤ振動の時系列波形のタイヤ1周分の時間長さ、もしくは、タイヤ振動の時系列波形における踏み込み側のピークと蹴り出し側のピークとの時間間隔などのタイヤ1周分の時間長さに対応する物理量を指す。
このように、カーネル関数K(X,Y)を算出する際に、カーネル関数を算出するための経路要素として、類似度の判定には寄与しないノイズとなる経路要素を計算に使用しないようにしたので、路面状態の判別精度を向上させることができるとともに、計算速度を速くできるので、リアルタイムで路面状態の判別を行うことができる。また、時系列波形長さ対応値N,Mを用いた重み付けパラメータωにより重み付けを行ったので、算出された時間幅毎の特徴ベクトルの総数と路面特徴ベクトルの総数とが異なっている場合でも、経路要素の重み付けを最適にできるので、路面状態の判別精度を向上させることができる。
なお、前記の特徴ベクトルXiとしては、前記窓関数をかけて抽出した時間窓毎の時系列波形の特定周波数帯域の振動レベル、前記特定周波数帯域の振動レベルの時変分散、及び、前記時系列波形のケプストラム係数のいずれか1つ、または、複数、または、全部等が挙げられる。
また、前記特定周波数帯域の振動レベルは、前記窓関数をかけて抽出した時間窓毎の時系列波形の周波数スペクトル、もしくは、前記窓関数をかけて抽出した時間窓毎の時系列波形をバンドパスフィルタを通して得られた時系列波形から求められるが、タイヤ振動の時系列波形をバンドパスフィルタを通して得られた時系列波形に窓関数をかけて抽出した時間窓毎の時系列波形から前記特定周波数帯域の振動レベルを求めてもよい。
このように、カーネル関数を算出する際に、時系列波形のピークに対応する経路要素を通る経路のみを用いれば、少ない経路数でより正確な類似度が得られるので、計算速度を大幅に短縮できるとともに、路面状態の判別精度を容易に向上させることができる。
路面状態判別装置10は、タイヤ振動検出手段としての加速度センサー11と、振動波形抽出手段12と、窓掛け手段13と、特徴ベクトル算出手段14と、記憶手段15とカーネル関数算出手段16と、路面状態判別手段17とを備える。
振動波形抽出手段12〜路面状態判別手段17の各手段は、例えば、コンピュータのソフトウェア、及び、RAM等のメモリーから構成される。
加速度センサー11は、図2に示すように、タイヤ20のインナーライナー部21のタイヤ気室22側のほぼ中央部に一体に配置されて、路面からの入力による当該タイヤ20の振動を検出する。加速度センサー11の出力であるタイヤ振動の信号は、例えば、増幅器で増幅された後、デジタル信号に変換されて振動波形抽出手段12に送られる。
図3はタイヤ振動の時系列波形の一例を示す図で、タイヤ振動の時系列波形は、踏み込み位置近傍と蹴り出し位置近傍に大きなピークを有しており、かつ、タイヤ20の陸部が接地する領域である接地面領域Rtよりも前の領域(踏み込み前領域Rf)においても、接地面領域Rtよりも後の領域(蹴り出し後領域Rk)においても、路面状態によって異なる振動が出現する。
一方、踏み込み前領域Rfの前の領域と蹴り出し後領域Rkの後の領域とは路面の影響を殆ど受けていないので、振動レベルも小さく、路面の情報も含んでいない。
以下、踏み込み前領域Rf、接地面領域Rt、及び、蹴り出し後領域Rkを路面領域、踏み込み前領域Rfの前の領域と蹴り出し後領域Rkの後の領域を路面外領域という。
時間窓毎に抽出されたタイヤ振動の時系列波形のうち、路面外領域の時系列波形は、前述したように、路面の情報も含んでいないので、本例では、カーネル関数の計算速度を速めるため、路面外領域の時系列波形は特徴ベクトル算出手段14には送らないようにしている。
なお、路面外領域の定義としては、例えば、タイヤ振動の時系列波形に対してバックグラウンドレベルを設定し、このバックグラウンドレベルよりも小さな振動レベルを有する領域を路面外領域とすればよい。
本例では、特徴ベクトルXiとして、タイヤ振動の時系列波形を、それぞれ、0-1kHz、1-2kHz、2-3kHz、3-4kHz、4-5kHzのバンドパスフィルタにそれぞれ通して得られた特定周波数帯域の振動レベル(フィルター濾過波のパワー値)aik(k=1〜5)を用いた。特徴ベクトルは、Xi=(ai1,ai2,ai3,ai4,ai5)で、特徴ベクトルXiの数はn個である。
図5は、特徴ベクトルXiの入力空間を示す模式図で、各軸は特徴量である特定周波数帯域の振動レベルaikを表し、各点が特徴ベクトルXiを表している。実際の入力空間は特定周波数帯域の数が5つなので時間軸と合わせると6次元空間になるが、同図は2次元(横軸がa1、縦軸がa2)で表している。
したがって、この入力空間にて、例えば、車両がDRY路面を走行しているときに算出した特徴ベクトルXiからグループCと、車両がSNOW路面を走行しているときに算出した特徴ベクトルX’iから成るグループC’とを区別することができれば、車両がDRY路面を走行しているかSNOW路面を走行しているかを判定できる。
路面モデルは、タイヤに加速度センサーを取り付けたタイヤを搭載した試験車両を、DRY、WET、SNOW、及び、ICEの各路面で様々な速度で走行させて得られたタイヤ振動の時系列波形から算出された時間窓毎の特徴ベクトルである路面特徴ベクトルYASV(yjk)を入力データとして、学習により求められる。
なお、学習に使うタイヤサイズは1種類でもよいし、複数種でもよい。
前記路面特徴ベクトルYASV(yjk)の添え字Aは、DRY、WET、SNOW、及び、ICEを示している。添え字j(j=1〜M)は時間窓毎に抽出した時系列波形の窓番号を示し、添え字kはベクトルの成分を示している(k=1〜n)。すなわち、yjk=(aj1,aj2,aj3,aj4,aj5)である。また、SVはサポートベクトルの略で、学習によって選択される識別境界の近傍のデータを表わす。
なお、本例のように、カーネル関数として、グローバルアライメントカーネル関数(GAカーネル)やダイナミックタイムワーピングカーネル関数(DTWカーネル)を用いる場合には、路面特徴ベクトルYASV(yjk)は、[ベクトルyiの次元数(ここでは、n=5)×窓の数M]の行列となる。
以下、路面特徴ベクトルYASV(yjk)を単にYASVと記す。
WET路面特徴ベクトルYWSV、SNOW路面特徴ベクトルYSSV、ICE路面特徴ベクトルYISVについても、DRY路面特徴ベクトルYDSVと同様にして求めることができる。
ここで、時間幅Tが、特徴ベクトルXjを求める場合の時間幅Tと同じ値であることが肝要である。時間幅Tが一定なら、時間窓の時系列波形の数Mはタイヤ種と車速によって異なる。すなわち、路面特徴ベクトルYASVの時間窓の時系列波形の数Mは、特徴ベクトルXjの時間窓の時系列波形の数Nとは必ずしも一致しない。例えば、タイヤ種が同じでも、特徴ベクトルXjを求めるときの車速がDRY路面特徴ベクトルYDSVを求めたときの車速よりも遅い場合には、M>Nとなり、速い場合にはM<Nとなる。
図6は、入力空間上における、DRY路面特徴ベクトルYDSVと、DRY路面以外の路面特徴ベクトルYnDSVを示す概念図で、同図の黒丸がDRY路面、白丸がDRY路面以外の路面特徴ベクトルである。
なお、前述したように、DRY路面特徴ベクトルもDRY路面以外の路面特徴ベクトルも行列であるが、グループの識別境界の求め方を説明するため、図6では、DRY路面特徴ベクトルとDRY路面以外の路面特徴ベクトルとをそれぞれ2次元のベクトルで示した。
グループの識別境界は、一般には、線形分離が不可能である。そこで、カーネル法を用いて、路面特徴ベクトルYDSV及びYnDSVを非線形写像φによって高次元特徴空間に写像して線形分離を行うことで、元の入力空間において路面特徴ベクトルYDSV及びYnDSVに対して非線形な分類を行う。
具体的には、データの集合X=(x1,x2,……xn)と所属クラスz={1、−1}とを用いて、データを識別する最適な識別関数f(x)=wTφ(x)−bを求める。
ここで、データは路面特徴ベクトルYDj,YnDjで、所属クラスはz=1が同図のχ1で示すDRY路面のデータで、z=−1がχ2で示すDRY路面以外の路面のデータである。また、wは重み係数、bは定数で、f(x)=0が識別境界である。
識別関数f(x)=wTφ(x)−bは、例えば、ラグランジュ未定乗数法を用いて最適化される。最適化問題は、以下の式(1),(2)に置き換えられる。
このとき、内積φ(xα)φ(xβ)をカーネル関数K(xα,xβ)に置き換えることで、識別関数f(x)=wTφ(x)−bを非線形にできる。なお、φ(xα)φ(xβ)は、xαとxβを写像φで高次元空間へ写像した後の内積である。
ラグランジュ乗数λは、前記の式(2)について、最急下降法やSMO(Sequential Minimal Optimization)などの最適化アルゴリズムを用いて求めることができる。このとき、カーネル関数を使っているので、高次元の内積を直接求める必要がない。したがって、計算時間を大幅に縮減できる。
図7に示すように、GAカーネルKGA(X,Y)は、R路面の路面特徴ベクトルx(xi=YRi)とR路面以外の路面特徴ベクトルy(yj=YnRj)との類似度を示すローカルカーネルκ(xi,yj)の総和もしくは総積から成る関数で、時間長さの異なる2つの時系列を直接比較することができる。ローカルカーネルκ(xi,yj)は、時間幅Tの窓毎に求められる。
従来のGAカーネルKGA(X,Y)においては、ローカルカーネルκ(xi,yj)の総和もしくは総積は、可能な全てのアライメントA(x,y)について行われる。換言すれば、GAカーネルKGA(X,Y)は、経路毎に、経路要素であるκ(xπ1(s),yπ2(s))についてのみ計算される。
以下、(xi,yj)から成るN×Mのグリットの位置(π1(s),π2(s))を「パス(経路要素)」という。
上記のように、計算領域幅Tpは一定でなので、窓の数M,Nは、車速(厳密には車輪回転速度)に依存する。すなわち、重み付けパラメータω(i,j)は、タイヤ振動時系列波形取得時におけるタイヤ回転速度や、タイヤ振動時系列波形の長さ、あるいは、タイヤ振動時系列波形のピーク間距離などの時系列波形長さ対応値に依存する。
このように、重み付けパラメータω(i,j)を時系列波形長さ対応値に依存する値とすることで、特徴ベクトルXiを求めた場合の時間窓の時系列波形の数Nと、路面特徴ベクトルYAj(もしくはYnAj)求めた場合の時間窓の時系列波形の数Mとが異なっている場合の特徴ベクトルXi,YAj間(もしくはXi,YnAj間)の類似度(後述する重み付けされたローカルカーネルκ’(xπ1(s),yπ2(s))の精度を向上させることができる。
なお、時系列波形長さ対応値としては、タイヤ振動時系列波形取得時におけるタイヤ回転速度、タイヤ振動時系列波形の長さ、及び、タイヤ振動時系列波形のピーク間距離のいずれかまたは複数の演算値としてもよい。
計算領域幅Tpは、図8(a)に示すように、パス(1,1)とパス(M,N)とを結ぶ直線l0に平行な2つの直線l1及び直線l2に囲まれた領域の幅で、任意に設定することができる。直線l0は、パス(1,1)の左下を原点、yπ2(s)の並びの方向をξ軸、xπ1(s)の並びの方向をη軸とすれば、η=(M/N)・ξと表せる。また、直線l1は、η=(M/N)・ξ−c、直線l2は、η=(M/N)・ξ+cとなる。
式(6)は、重み付けされたローカルカーネルκ’(xπ1(s),yπ2(s))の算出式で、このような重み付けを行うことで、2つ時系列波形の一方の始端と他方の終端、もしくはその近傍に位置するパスでは、重み付けパラメータω(i,j)は0となり、2つの時系列波形の位置がほぼ同じである直線η=(M/N)・ξ近傍にあるパスでは、重み付けパラメータω(i,j)は、1−|M・i−N・j|/{Tp・(N+M)}となる。
したがって、GAカーネルKGA(X,Y)の計算は、図8(b)に示す白い部分のパスのみが計算され、網掛された部分のパスは計算しないことになる。したがって、計算する経路数を効果的に減少させることができるとともに、類似度の判定には寄与しないノイズとなるパスは計算に使用されないので、判定精度が向上する。
なお、上記式(4)では、計算領域幅Tpを省略してもよい。あるいは、後述するように、計算領域幅Tpのみを用いて重み付けパラメータω(i,j)を設定してもよい。
また、上記式(4)に代えて、κ’’(i,j)=ω(i,j)・κ(i,j)を、重み付けされたローカルカーネルとしてもよい。
マージンとは、分離超平面から一番近いサンプル(サポートベクトル)までの距離をいい、識別境界である分離超平面はf(x)=0である。そして、DRY路面特徴ベクトルYDjは全てf(x)≧+1の領域にあり、DRY路面以外の路面特徴ベクトルYnDjは、f(x)≦−1の領域にある。
DRY路面とそれ以外の路面とを区別するDRY路面モデルは、f(x)=+1の距離にあるサポートベクトルYDSVと、f(x)=−1の距離にあるサポートベクトルYnDSVとを備えた入力空間である。前記YDSVと前記YnDSVとは、一般に複数個存在する。
WET路面とそれ以外の路面とを区別するWETモデル、SNOW路面とそれ以外の路面とを区別するSNOWモデル、及び、ICE路面とそれ以外の路面とを区別するICEモデルについても同様である。
重み付けパラメータ算出部161は、特徴ベクトルXiの時間窓の数Nと、路面特徴ベクトルYAjの時間窓の数Mと、予め設定した計算領域幅Tpとから、上記式(4)を用いて、パス(i,j)における重み付けパラメータω(i,j)を算出する。
カーネル関数算出部162は、xπ1(s)を特徴ベクトルXiとし、yπ2(s)を路面特徴ベクトルYAj,YnAjとしたときのローカルカーネルκ(xπ1(s),yπ2(s))と、重み付けパラメータ算出部161で算出した重み付けパラメータω(i,j)とから、重み付けされたローカルカーネルκ’(xπ1(s),yπ2(s))を算出するとともに、重み付けパラメータω(i,j)が0ではないパスのみを用いた経路について、重み付けされたローカルカーネルκ’(xπ1(s),yπ2(s))の総和もしくは総積を求め、これを、R路面のGAカーネル関数KR(X,Y)とする。
このように、重み付けパラメータω(i,j)に基づくパス制限を行えば、計算する経路数を効果的に減少させることができるので、計算速度を大幅に向上させることができる。
また、同図の黒塗りで示した、類似度の判定には寄与しないノイズとなるパスは計算に使用せず、2つの時系列波形の位置がほぼ同じである類似度の高いパスのみを用いてカーネル関数KR(X,Y)を求めるようにしたので、カーネル関数KR(X,Y)の信頼性が向上する。
また、本例では、重み付けパラメータω(i,j)を、時間窓の数M,Nに依存する値としている。このような重み付けは、特徴ベクトルXiを求めた場合の時間窓の時系列波形の数Nと、路面特徴ベクトルYAj(もしくはYnAj)求めた場合の時間窓の時系列波形の数Mとが異なっている場合に、特に有効である。
また、NDSVはDRYモデルのサポートベクトルの数、NWSVはWETモデルのサポートベクトルの数、NSSVはSNOWモデルのサポートベクトルの数、NISVはICEモデルのサポートベクトルの数である。
識別関数のラグランジュ乗数λDなどの値は、R路面とその他の路面とを識別する識別関数を求める際の学習により求められる。
本例では、識別関数fD,fW,fS,fIをそれぞれ計算し、計算された識別関数fAの最も大きな値を示す識別関数から路面状態を判別する。
まず、加速度センサー11によりタイヤ20が走行している路面からの入力により発生したタイヤ振動を検出し(ステップS10)、検出されたタイヤ振動の信号からタイヤ振動の時系列波形を抽出する(ステップS11)。
そして、抽出されたタイヤ振動の時系列波形を予め設定した時間幅Tで窓掛けして、時間窓毎のタイヤ振動の時系列波形を求める。ここで、時間窓毎のタイヤ振動の時系列波形の数をM個とする(ステップS12)。
次に、抽出された各時間窓の時系列波形のそれぞれに対して特徴ベクトルXi=(xi1,xi2,xi3,xi4,xi5)を算出する(ステップS13)。
特徴ベクトルXiの各成分xik(k=1〜5)は、前述したように、タイヤ振動の時系列波形のフィルター濾過波のパワー値である。
次に、算出された特徴ベクトルXiと、記憶手段15に記録されている路面モデルのサポートベクトルYAkとから、ローカルカーネルκ(xπ1(s),yπ2(s))を算出するとともに、重み付けパラメータω(i,j)を算出する(ステップS14)。
そして、算出されたローカルカーネルκ(xπ1(s),yπ2(s))と重み付けパラメータω(i,j)とから、重み付けされたローカルカーネルκ’(xπ1(s),yπ2(is)を算出(ステップS15)した後、重み付けされたローカルカーネルκ’(xπ1(s),yπ2(s))の総和もしくは総積を求め、これを、R路面のGAカーネル関数KR(X,Y)とする(ステップS16)。
次に、カーネル関数KA(X,Y)を用いた4つの識別関数fD(x),fW(x),fS(x),fI(x)をそれぞれ計算(ステップS17)した後、計算された識別関数fA(x)の値を比較して、最も大きな値を示す識別関数の路面状態を当該タイヤ20の走行している路面の路面状態と判別する(ステップS18)。
また、重み付けパラメータω(i,j)を、計測時のタイヤ振動の時系列波形における時系列波形長さ対応値Nと、予め求めておいたタイヤ振動の時系列波形における時系列波形長さ対応値Mとに依存する値としたので、ローカルカーネルκ’(xπ1(s),yπ2(si)の信頼度も高めることができる。
具体的には、図11に示すように、パス(1,1)とパス(M,N)とを結ぶ直線j=(M/N)・iに平行な二つの直線(η=(M/N)・ξ±c)で囲まれた領域R内にあるパス(p,q)の重み付けパラメータω(p,q)を「1」とし、領域Rの外にあるパス(p’,q’)の重み付けパラメータω(p’,q’)を「0」とすればよい。
また、時系列波形長さ対応値M,Nに代えて、タイヤ振動波形の踏み込み側のピーク、及び、蹴り出し側のピークを用いてパス制限を行ってもよい。
具体的には、図12に示すように、踏み込み側ピークを含む特徴ベクトルx3と踏み込み側ピークを含む路面特徴ベクトルy7とに対応するパス(3,7)と、蹴り出し側ピークを含む特徴ベクトルx5と蹴り出し側ピークを含む路面特徴ベクトルy10とに対応するパス(5,10)を、経路の必須の中継点とするとともに、(xi,yj)から成る16×8のグリットを、始点(1,1)とパス(3,7)とを結ぶ線を対角線とする矩形領域R1と、パス(3,7)とパス(5,10)とを結ぶ線を対角線とする矩形領域R2と、パス(5,10)と終点(8,16)とを結ぶ線を対角線とする矩形領域R3の3つの領域のみで、カーネル関数の計算を行ってもよい。
また、同図に示すように、各領域R1〜R3内において、更に、時系列波形長さ対応値M,Nに基づくパス制限や計算領域幅Tpのみによるパス制限を行ってもよい。
また、前記例では、特徴ベクトルXiをフィルター濾過波のパワー値xikとしたが、フィルター濾過波のパワー値xikの時変分散を用いてもよい。時変分散はlog[xik(t)2+xik(t-1)2]で表わせる。
あるいは、特徴ベクトルXiを、タイヤ振動時系列波形をフーリエ変換したときの特定周波数帯域の振動レベルであるフーリエ係数、もしくは、ケプストラム係数としてもよい。
ケプストラムは、フーリエ変換後の波形をスペクトル波形とみなし、再度フーリエ変換して得られるか、もしくは、ARスペクトルを波形とみなし、更にAR係数を求めて得られる(LPC Cepstrum)もので、絶対レベルに影響されずにスペクトルの形状を特徴付けできるので、フーリエ変換により得られる周波数スペクトルを用いた場合よりも判別精度が向上する。
図13(a)〜(c)に示すように、特徴ベクトルXiの各要素aikは、摩耗進展とともに変化する。各図において、横軸は摩耗量[mm]、縦軸は各周波数帯域における振動レベル[index]である。
本例では、特徴ベクトルXiの要素aikである振動レベルの変化を多項式で近似した値bkを新たな特徴ベクトルXMiとするとともに、この特徴ベクトルXMiとDRYモデル、WETモデル、SNOWモデル、及び、ICEモデルの各サポートベクトルYASV,YnASV(A=D,W,S,I)から、それぞれGAカーネルKD(X,Y)、KW(X,Y),KS(X,Y),KI(X,Y)を算出し、SVMで学習したモデルを用いて路面状態を判別する。なお、上記各モデルのサポートベクトルYASV,YnASVの各要素も、特徴ベクトルXMiと同様に、振動レベルの変化を2次式で近似した値としていることはいうまでもない。
あるいは、特徴ベクトルXiの要素aikにタイヤの摩耗量を追加してもよい。この場合も、予め複数の摩耗水準のタイヤを準備し、各路面状態にてタイヤ振動を計測し、得られたタイヤ振動のデータから、SVM等の機械的学習手法によって識別関数を求めればよい。機械的学習手法は、フィッシャー判別最小二乗法等を用いてもよい。
また、識別関数の係数をタイヤの摩耗量の関数としても、タイヤの摩耗を考慮した路面状態の判別を行うことができる。
上記のいずれの場合も、摩耗量毎のマップを準備することなく、摩耗を考慮した路面状態の判別を行うことができるので、計算速度が向上するとともに、メモリーの増大に伴うコスト増を防ぐことができる。
図14に示すように、DTWカーネルK’(X,Y)は、ローカルカーネルκij(Xi,Yj)の総和を求める際に、例えば、同図の太い実線で示すような、全ての経路の中で、κ’ij(Xi,Yj)の総和が最大または最小になる経路の総和から成る。
このとき、前記実施の形態と同様のパス制限を行った後に、全ての経路の中で、κ’ij(Xi,Yj)の総和が最大または最小になる経路の総和を求めるようにすれば、計算速度を大幅に向上させることができるとともに、信頼性を向上させることができる。
加速度センサーが取り付けられたタイヤを装着した車両を、DRY、WET、SNOW、及び、ICEの各路面でそれぞれ30〜90km/hで走行させて得られたタイヤ振動の時系列波形からカーネル関数を計算し、SVMモデルで学習したモデルを用いて路面状態を判別するとともに、30km/hと90km/hの2点については計算速度を測定した。30km/hと90km/hの結果を以下の表1に示す。
試験車両は前輪駆動車でタイヤサイズは165/70R14である。
なお、各タイヤのトレッドパターンについては、BLIZZK REV02(ブリヂストン)とした。
学習用のデータは全データの2/3をあて、残りの1/3を精度算出用のデータとした。
計算速度は、計算時間をタイヤ回転速度で除したもので、計算環境は、OS :Windows(登録商標) 7 Professonal SP1 , CPU : Intel(R) Core i7-3540M, RAM: 16GBである。
表1から明らかなように、各速度において、96%以上の高い正答率が得られた。
また、車速が遅い場合、すなわち、窓の数が多い場合でも、タイヤ約2回転分の時間で路面判別が可能なことから、路面状態の判別を高速で行うことができることが確認された。
摩耗量の異なる複数のタイヤ(新品、1mm摩耗品、3mm摩耗品、5mm摩耗品)に、それぞれ加速度センサーを取り付け、これらのタイヤを装着した車両をDRY、WET、SNOW、及び、ICEの各路面でそれぞれ30〜90km/hで走行させて得られたタイヤ振動の時系列波形からカーネル関数を計算し、SVMモデルで学習したモデルを用いて路面状態を判別した結果を以下の表2に示す。
実施例1は、バンドパスフィルタ濾過波のパワー値と摩耗量とから特徴ベクトルXを構成し、SVMで学習したモデルを用いて路面状態を判別したもので、実施例2は、摩耗進展とともに変化するバンドパスフィルタ濾過波のパワー値を、予め求めた近似式により新品に換算したものを特徴ベクトルXとして、SVMで学習したモデルを用いて路面状態を判別したものである。
なお、参考として、従来の摩耗を考慮しない特徴ベクトルXを用いて路面状態を判別した結果についても合わせて記した。
試験車両は前輪駆動車でタイヤサイズは165/70R14である。
なお、各タイヤのトレッドパターンについては、BLIZZK REV02(ブリヂストン)とした。
学習用のデータは全データの2/3をあて、残りの1/3を精度算出用のデータとした。
表2から明らかなように、従来法では、摩耗の進展に伴い正答率が低下するのに対し、摩耗量を考慮した実施例1,2では、摩耗が進展したタイヤであっても、ほぼ90%以上の高い正答率が得られた。これにより、本発明を適用することにより、タイヤの摩耗が進展している場合でも、路面状態判別を精度よく行うことができることが確認された。
13 窓掛け手段、14 特徴ベクトル算出手段、15 記憶手段、
16 カーネル関数算出手段、161 重み付けパラメータ算出部、
162 カーネル関数算出部、17 路面状態判別手段、
20 タイヤ、21 インナーライナー部、22 タイヤ気室。
Claims (6)
- タイヤ内に設けられた振動検出手段を用いて走行中のタイヤの振動を検出して、前記タイヤの接している路面の状態を判別する方法であって、
走行中のタイヤの振動を検出するステップ(a)と、
前記検出されたタイヤ振動の時系列波形を取り出すステップ(b)と、
前記タイヤ振動の時系列波形に所定の時間幅の窓関数をかけて時間窓毎の時系列波形を抽出するステップ(c)と、
前記時間窓毎の時系列波形からそれぞれ特徴ベクトルを算出するステップ(d)と、
前記ステップ(d)で算出した時間窓毎の特徴ベクトルと、予め求めておいた路面状態毎のタイヤ振動の時系列波形から算出された時間窓毎の特徴ベクトルである路面特徴ベクトルとからカーネル関数を算出するステップ(e)と、
前記カーネル関数を用いた識別関数の値に基づいて路面状態を判別するステップ(f)とを有し、
前記カーネル関数が、グローバルアライメントカーネル関数、または、ダイナミックタイムワーピングカーネル関数、または、前記カーネル関数の演算値であって、
前記ステップ(e)では、
前記算出された時間幅毎の特徴ベクトルのうちの一つと前記路面特徴ベクトルのうちの一つとから算出される経路要素のそれぞれを、前記ステップ(b)で取り出したタイヤ振動の時系列波形における時系列波形長さ対応値と、前記予め求めておいた路面状態毎のタイヤ振動の時系列波形における時系列波形長さ対応値とを用いた重み付けパラメータωにより重み付けしてから、前記カーネル関数を算出し、
前記ステップ(f)では、
路面状態毎に求めた識別関数の値を比較して路面状態を判別することを特徴とする路面状態判別方法。 - 前記時系列波形長さ対応値が、タイヤ振動時系列波形の長さ、タイヤ振動時系列波形取得時におけるタイヤ回転速度、及び、タイヤ振動時系列波形のピーク間距離のいずれかまたは複数、もしくは、タイヤ振動時系列波形の長さ、タイヤ振動時系列波形取得時におけるタイヤ回転速度、及び、タイヤ振動時系列波形のピーク間距離のいずれかまたは複数の演算値であることを特徴とする請求項1に記載の路面状態判別方法。
- 前記ステップ(e)では、
カーネル関数を算出するための経路を、踏み込み側ピークを含む特徴ベクトルと踏み込み側ピークを含む路面特徴ベクトルとに対応する経路要素、及び、蹴り出し側ピークを含む特徴ベクトルと蹴り出し側ピークを含む路面特徴ベクトルとに対応する経路要素のいずれか一方または両方を通る経路のみとしたことを特徴とする請求項1または請求項2に記載の路面状態判別方法。 - 前記特徴ベクトルの成分にタイヤの摩耗量を追加したことを特徴とする請求項1〜請求項3のいずれかに記載の路面状態判別方法。
- 前記特徴ベクトルの成分を前記時間窓毎の時系列波形からそれぞれ算出された特徴ベクトルとタイヤの摩耗量との演算値としたことを特徴とする請求項1〜請求項3のいずれかに記載の路面状態判別方法。
- 前記識別関数の係数をタイヤの摩耗量の関数としたことを特徴とする請求項1〜請求項3のいずれかに記載の路面状態判別装方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014247254A JP6450170B2 (ja) | 2014-12-05 | 2014-12-05 | 路面状態判別方法 |
CN201580073950.XA CN107207009B (zh) | 2014-12-05 | 2015-11-17 | 路面状态判断方法 |
US15/532,572 US10525777B2 (en) | 2014-12-05 | 2015-11-17 | Method for determining road surface condition |
EP15864328.8A EP3228515B1 (en) | 2014-12-05 | 2015-11-17 | Road condition determination method |
PCT/JP2015/082236 WO2016088548A1 (ja) | 2014-12-05 | 2015-11-17 | 路面状態判別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014247254A JP6450170B2 (ja) | 2014-12-05 | 2014-12-05 | 路面状態判別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016107833A JP2016107833A (ja) | 2016-06-20 |
JP6450170B2 true JP6450170B2 (ja) | 2019-01-09 |
Family
ID=56091498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014247254A Active JP6450170B2 (ja) | 2014-12-05 | 2014-12-05 | 路面状態判別方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10525777B2 (ja) |
EP (1) | EP3228515B1 (ja) |
JP (1) | JP6450170B2 (ja) |
CN (1) | CN107207009B (ja) |
WO (1) | WO2016088548A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020122753A (ja) * | 2019-01-31 | 2020-08-13 | Toyo Tire株式会社 | タイヤ力推定システムおよびタイヤ力推定方法 |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017116991A (ja) * | 2015-12-21 | 2017-06-29 | 京セラ株式会社 | 携帯端末および車両 |
US10222228B1 (en) | 2016-04-11 | 2019-03-05 | State Farm Mutual Automobile Insurance Company | System for driver's education |
US10872379B1 (en) | 2016-04-11 | 2020-12-22 | State Farm Mutual Automobile Insurance Company | Collision risk-based engagement and disengagement of autonomous control of a vehicle |
US11851041B1 (en) * | 2016-04-11 | 2023-12-26 | State Farm Mutual Automobile Insurance Company | System for determining road slipperiness in bad weather conditions |
JP6734713B2 (ja) * | 2016-06-30 | 2020-08-05 | 株式会社ブリヂストン | 路面状態判別方法 |
JP2018004418A (ja) * | 2016-06-30 | 2018-01-11 | 株式会社ブリヂストン | 路面状態判別方法 |
JP6620787B2 (ja) * | 2016-08-11 | 2019-12-18 | 株式会社デンソー | 路面状態推定装置 |
WO2018104876A1 (de) * | 2016-12-06 | 2018-06-14 | PIEPER, Jörg | Verfahren und vorrichtung zur feststellung des verschleisses an mindestens einem reifen eines fahrzeugs |
JP6624152B2 (ja) | 2017-04-26 | 2019-12-25 | 株式会社Soken | タイヤ側装置およびそれを含むタイヤ装置 |
JP6783184B2 (ja) | 2017-05-12 | 2020-11-11 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
JP2019001367A (ja) * | 2017-06-16 | 2019-01-10 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
JP6930355B2 (ja) * | 2017-10-11 | 2021-09-01 | 株式会社Soken | 路面状態判別装置およびそれを備えたタイヤシステム |
JP6828716B2 (ja) | 2017-10-30 | 2021-02-10 | 株式会社デンソー | 路面状態推定装置 |
JP6733707B2 (ja) | 2017-10-30 | 2020-08-05 | 株式会社デンソー | 路面状態判別装置およびそれを備えたタイヤシステム |
WO2019093437A1 (ja) * | 2017-11-10 | 2019-05-16 | 株式会社デンソー | 路面状態判別装置 |
JP2019089532A (ja) | 2017-11-10 | 2019-06-13 | 株式会社デンソー | 路面状態判別装置 |
JP6915507B2 (ja) * | 2017-11-23 | 2021-08-04 | 株式会社デンソー | 路面状態判別装置 |
JP6946970B2 (ja) | 2017-11-23 | 2021-10-13 | 株式会社デンソー | 路面状態判別装置 |
WO2019131568A1 (ja) | 2017-12-27 | 2019-07-04 | 株式会社デンソー | 路面状態判別装置 |
JP7115060B2 (ja) * | 2017-12-27 | 2022-08-09 | 株式会社デンソー | 路面状態判別装置 |
JP6791114B2 (ja) | 2017-12-28 | 2020-11-25 | 株式会社Soken | 路面状態判別装置 |
JP6969399B2 (ja) * | 2018-01-19 | 2021-11-24 | 株式会社Soken | タイヤシステム |
JP7091877B2 (ja) | 2018-01-19 | 2022-06-28 | 株式会社デンソー | タイヤシステム |
CN108340922B (zh) * | 2018-02-12 | 2020-06-05 | 北京搜狐新媒体信息技术有限公司 | 确定路面路况的方法和装置 |
CN108777067B (zh) * | 2018-06-07 | 2021-04-02 | 郑州云海信息技术有限公司 | 一种道路健康度监测方法及系统 |
JP2019218026A (ja) * | 2018-06-22 | 2019-12-26 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
JP2019218023A (ja) * | 2018-06-22 | 2019-12-26 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
JP6961539B2 (ja) * | 2018-06-22 | 2021-11-05 | 株式会社ブリヂストン | 路面状態判別方法及び路面状態判別装置 |
JP7070155B2 (ja) * | 2018-06-27 | 2022-05-18 | 株式会社デンソー | 路面状態判別装置およびそれを備えるタイヤシステム |
JP7112909B2 (ja) * | 2018-08-09 | 2022-08-04 | 株式会社ブリヂストン | タイヤ種判別方法及びタイヤ種判別装置 |
KR102267901B1 (ko) * | 2019-10-02 | 2021-06-24 | 한국타이어앤테크놀로지 주식회사 | 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법 |
FR3134749B1 (fr) * | 2022-04-21 | 2024-03-08 | Continental Automotive Gmbh | Procédé de détermination de l’usure d’un pneumatique |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7549327B2 (en) * | 2001-02-16 | 2009-06-23 | Automotive Technologies International, Inc. | Tire-mounted energy generator and monitor |
JP4027585B2 (ja) * | 2000-11-24 | 2007-12-26 | トヨタ自動車株式会社 | 物理量推定装置及び路面摩擦状態推定装置 |
JP3700975B2 (ja) | 2002-12-17 | 2005-09-28 | 本田技研工業株式会社 | ハイドロプレーニング検出装置 |
JP4817753B2 (ja) * | 2005-08-22 | 2011-11-16 | 株式会社ブリヂストン | 路面状態推定方法、路面状態推定装置、及び、車両制御装置 |
JP2007099245A (ja) | 2005-10-07 | 2007-04-19 | Toyota Motor Corp | 路面状態推定装置および路面状態推定方法 |
JP5072463B2 (ja) * | 2007-07-11 | 2012-11-14 | 株式会社ブリヂストン | タイヤの摩耗検知方法及びタイヤの摩耗検知装置 |
DE102007039242A1 (de) * | 2007-08-20 | 2009-02-26 | Robert Bosch Gmbh | Verfahren zum Betrieb eines Sensors an oder in einem Fahrzeugreifen und Sensoranordnung |
JP5553303B2 (ja) * | 2010-02-18 | 2014-07-16 | 株式会社デルタツーリング | 生体状態推定装置及びコンピュータプログラム |
JP5657917B2 (ja) * | 2010-05-19 | 2015-01-21 | 株式会社ブリヂストン | 路面状態推定方法 |
JP5733499B2 (ja) * | 2010-10-29 | 2015-06-10 | 株式会社デルタツーリング | 生体状態推定装置及びコンピュータプログラム |
WO2012162241A2 (en) * | 2011-05-20 | 2012-11-29 | Northeastern University | Real-time wireless dynamic tire pressure sensor and energy harvesting system |
JP5837341B2 (ja) * | 2011-06-24 | 2015-12-24 | 株式会社ブリヂストン | 路面状態判定方法とその装置 |
JP5937921B2 (ja) * | 2012-08-09 | 2016-06-22 | 株式会社ブリヂストン | 路面状態判別方法とその装置 |
-
2014
- 2014-12-05 JP JP2014247254A patent/JP6450170B2/ja active Active
-
2015
- 2015-11-17 CN CN201580073950.XA patent/CN107207009B/zh active Active
- 2015-11-17 EP EP15864328.8A patent/EP3228515B1/en active Active
- 2015-11-17 WO PCT/JP2015/082236 patent/WO2016088548A1/ja active Application Filing
- 2015-11-17 US US15/532,572 patent/US10525777B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020122753A (ja) * | 2019-01-31 | 2020-08-13 | Toyo Tire株式会社 | タイヤ力推定システムおよびタイヤ力推定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2016107833A (ja) | 2016-06-20 |
US20180264894A1 (en) | 2018-09-20 |
EP3228515B1 (en) | 2019-01-23 |
US10525777B2 (en) | 2020-01-07 |
CN107207009B (zh) | 2019-10-18 |
EP3228515A1 (en) | 2017-10-11 |
WO2016088548A1 (ja) | 2016-06-09 |
EP3228515A4 (en) | 2017-11-15 |
CN107207009A (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6450170B2 (ja) | 路面状態判別方法 | |
JP5937921B2 (ja) | 路面状態判別方法とその装置 | |
CN109477906B (zh) | 路面状态判别方法和路面状态判别装置 | |
JP6673766B2 (ja) | 路面状態判別方法 | |
JP5956250B2 (ja) | タイヤ偏摩耗検知方法及びタイヤ偏摩耗検知装置 | |
JP6783184B2 (ja) | 路面状態判別方法及び路面状態判別装置 | |
JP7348198B2 (ja) | タイヤ摩耗推定方法 | |
JP6734713B2 (ja) | 路面状態判別方法 | |
JP2018004418A (ja) | 路面状態判別方法 | |
JP7030531B2 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2018230181A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
JP7112909B2 (ja) | タイヤ種判別方法及びタイヤ種判別装置 | |
JP6961539B2 (ja) | 路面状態判別方法及び路面状態判別装置 | |
JP7030532B2 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2019244379A1 (ja) | 路面状態判別方法及び路面状態判別装置 | |
WO2019244380A1 (ja) | 路面状態判別方法及び路面状態判別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170627 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180417 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180613 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6450170 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |