JP6576578B2 - 車両を制御する方法、システム、及び非一時的コンピューター可読メモリ - Google Patents

Description

本発明は、車両のタイヤ−道路相互作用（tire-to-road interaction）に関し、より具体的には、車両のタイヤの剛性の状態の判断、及び／又は車両の動きを制御するための剛性の状態の使用に関する。

タイヤ−道路相互作用は、車輪付き車両の運動を発生させるか又は変更する際の主要な要素であり、タイヤ−道路相互作用に関する変数の知識は、最新の車両における多くのアクティブセーフティシステムに対して必須である。多くの最新の車両では、道路摩擦に関するパラメータが採用されている。例えば、アンチロックブレーキシステム（ＡＢＳ）、横滑り防止装置（ＥＣＳ）及び先進運転支援システム（ＡＤＡＳ）は、全て、先進安全機構を提供するために、タイヤ−道路相互作用に関するパラメータを広く利用する。

車両のタイヤの剛性は、タイヤがかけられる力に応答して変形に耐える程度を規定する。タイヤの剛性の状態は、タイヤ−道路相互作用を理解する際の重要な要素である。その目的で、剛性の状態は、車両の少なくとも１つのタイヤの、車両が走行している道路との相互作用を規定する、少なくとも１つのパラメータを含むが、複数のパラメータを含むことができる。例えば、タイヤ−道路接触によって発生する力に関する１つのパラメータは、スリップである。前後の場合、すなわち、車両の前進方向において、スリップは、車輪の回転速度又は前後速度のいずれか高い方（すなわち、車両が加速しているか又はブレーキをかけているか）によって正規化された、前後速度と車輪の回転速度との差に関して定義される。横の場合、すなわち、車輪の横方向では、スリップは、車輪の横速度成分と前後速度成分との間の比に関して定義される。

タイヤ−道路相互作用を判断するときの別の重要なパラメータは、摩擦係数である。摩擦係数の知識は、運転手に対する監督成分として使用することができるが、例えば、ＡＢＳ、ＥＳＣ及びＡＤＡＳにおいても利用することができる。異なるタイヤは異なる特性を有し、これらのパラメータを事前計算することは、開始点として又は公称値として十分である可能性がある。しかしながら、道路状態、タイヤ圧、種々の荷重条件、タイヤ温度及びタイヤの摩耗の全てが、タイヤの特性に影響を与えるため、剛性の状態を判断するパラメータの事前計算では、上述したアクティブセーフティシステムの性能が不十分になる可能性がある。

したがって、運転中に、摩擦及び／又は摩擦の判断に役立つことができる他のパラメータに関する知識を得ることが望ましい。しかしながら、摩擦は、一般に、運転中に直接測定又は検知することが困難であり、そのため、通常、１つ以上のセンサと組み合わせて間接的な摩擦判断方法を使用することによって判断される。

タイヤの剛性の状態の別のパラメータは、力−スリップ曲線の初期勾配である。タイヤ剛性は、一般に、前進方向及び横方向において異なるため、一般に、車輪毎に、場合により互いに依存する２つの個々の力−スリップ曲線がある。タイヤ剛性は、ＡＤＡＳ等の車両制御システムにおいて直接使用することができ、運転手に対する監督成分として、例えば、路面の急な変化を運転手に警告するために使用することができ、車が走行している路面を分類するために使用することができ、及び／又は摩擦係数を求めるために使用することができる。

複数の方法が、様々な最適化技法を使用してタイヤの剛性を推定することを目的としている。例えば、特許文献１に記載されている方法は、収集されたデータのビンを使用して非線形関数を近似し、非線形最適化を使用して摩擦及びタイヤ剛性の誤差を最小化する。しかしながら、非線形最適化は、収束しないか又は局所最適解に収束する傾向があることが知られている。

米国特許第８，０６５，０６７号

したがって、車両のタイヤの剛性を判断する、方法、システム及び非一時的コンピュー ター可読メモリが必要とされている。

本発明の幾つかの実施形態の目的は、車両のタイヤの剛性の状態を判断するシステム及び方法を提供することである。幾つかの実施形態の別の目的は、車両の動作中に剛性の状態をリアルタイムに判断するのに好適なこうした方法を提供することである。本明細書で定義するように、剛性の状態には、車両の少なくとも１つのタイヤの、車両が走行している道路との相互作用を規定する、少なくとも１つのパラメータが含まれる。例えば、剛性の状態は、タイヤの前後剛性、タイヤの横剛性、タイヤと道路との摩擦のうちの１つ又はそれらの組合せを含むことができる。

幾つかの実施形態の別の目的は、剛性の状態を確率論的に判断すること、及び／又は判断された剛性の信頼度レベルを推定することである。例えば、１つの実施形態は、剛性の状態の信頼度レベルを使用して、車両が走行している路面を分類する。本明細書で用いるとき、車両は、乗用車、バス又はローバー等、任意のタイプの車輪付き車両とすることができる。

本発明の幾つかの実施形態は、車両の運動が、タイヤの剛性の状態に依存するという認識に基づく。その目的で、車両の状態及び剛性の状態を同時にかつ反復的に推定することにより、剛性の状態を推定することは、魅力がある。しかしながら、車両の状態及び剛性の状態を連続的な瞬間にわたって反復的に推定するためには、２つの運動モデル、すなわち、車両の状態の運動のモデル及び剛性の状態の運動のモデルが必要である。車両の状態の運動は、車両の運動モデルによって求められる。しかしながら、剛性の状態の時間発展は未知であり、したがって、剛性の状態の運動のいかなるモデルも未知であり、検証することができない。

幾つかの実施形態は、剛性の未知の状態を、車両の運動の、その他の点では決定論的なモデルに作用する確率的外乱としてみなすことができるという別の認識に基づく。確率的外乱の性質により、車両は、異なるあり得る運動、したがって、異なるあり得る状態を有することになる。その目的で、幾つかの実施形態は、車両の運動モデルが、運動の決定論的成分と運動の確率論的成分との組合せを含むという理解に基づく。運動の決定論的成分は、剛性の状態とは無関係であり、時間の関数として車両の運動を規定する。一方、運動の確率論的成分は、車両の運動に対して外乱として作用する不確実性を有する剛性の状態を含む。このように、車両の運動は、剛性の状態の運動のモデル（時間発展）を知ることなくタイヤの剛性の状態を含むようにモデル化することができる。

幾つかの実施形態は、車両の運動モデルと車両の状態の測定モデルとの両方に剛性の状態を含めることができるという別の理解に基づく。例えば、車両の測定モデルはまた、剛性の状態とは無関係の測定値の決定論的成分と、剛性の状態を含む測定値の確率論的成分との組合せを含むように表すこともできる。剛性の状態に依存する車両の状態の測定値の例としては、車両の前後速度、横速度及び回転速度が挙げられる。幾つかの状況では、こうした車両の状態を直接測定することができ、又は、前後加速度センサ、横加速度センサ、回転速度センサ、ハンドルセンサ及び車輪速度センサを含む、幾つかのセンサからの情報を融合することによって、判断することができる。

したがって、幾つかの実施形態では、車両の状態、剛性の状態及び車両の状態の運動モデルの間の関係と、状態の測定値、車両の状態の測定モデル及び剛性の状態の間の関係とから剛性の状態を推論することにより、剛性の状態を判断することができるということが認められる。このように、未知である、剛性の状態の運動のモデルを有することなく、剛性の状態を推定することができる。

その目的で、幾つかの実施形態は、車両の状態と車両のタイヤの剛性の状態とを併せて推定して、測定値を考慮して車両の状態を最適に記述するパラメータを求める。例えば、１つの実施形態は、一組の質点により剛性の状態又は車両の状態を表す。各質点は車両の状態を含み、それは、測定された状態、又は併合推定の先行する反復中に求められた状態とすることができる。さらに又は代替的に、質点は、剛性の状態のパラメータの実行可能領域を画定する剛性の状態の平均及び分散を含む。剛性の状態を確率論的に、すなわち、平均及び分散を用いて表すことにより、車両の運動に対する確率的外乱を考慮することができる。しかしながら、剛性の状態の平均及び分散は、車両のモデルに適合しない。その目的で、幾つかの実施形態は、平均及び分散によって画定される剛性の状態のパラメータの実行可能空間をサンプリングし、そのサンプリングされたパラメータを併合推定において使用する。この実施形態は、剛性の状態の平均及び分散の更新が、後続する反復で使用される剛性の状態のパラメータの値に影響を与え、その理由は、こうしたパラメータが更新された分布から引き出されるためである、という観察に基づく。

したがって、１つの実施形態は、車両の状態と該車両のタイヤの剛性の状態とを併せて推定する方法であって、車両の状態は車両の速度及び方位角速度を含み、剛性の状態は、車両の少なくとも１つのタイヤの、車両が走行している道路との相互作用を規定する少なくとも１つのパラメータを含む、方法を開示する。本方法は、車両の運動モデルと車両の測定モデルとをメモリから引き出すことであって、車両の運動モデルは、運動の決定論的成分と運動の確率論的成分との組合せを含み、運動の決定論的成分は、剛性の状態とは無関係であり、かつ時間の関数として車両の運動を規定し、運動の確率論的成分は、不確実性を有する剛性の状態を含み、かつ車両の運動に対する外乱を規定し、車両の測定モデルは、剛性の状態とは無関係の測定モデルの決定論的成分と、剛性の状態を含む測定モデルの確率論的成分との組合せを含む、引き出すことと、一組の質点を用いて剛性の状態を表すことであって、各質点は、剛性の状態のパラメータの実行可能領域を画定する剛性の状態の平均及び分散を含む、表すことと、質点の実行可能領域においてサンプリングされたパラメータとともに剛性の状態を含む車両の運動モデルを用いて推定された、推定された剛性の状態と、車両の状態の測定値を用いて測定モデルに従って求められた測定された剛性の状態との差を用いて、少なくとも幾つかの質点の平均及び分散を反復して更新することと、少なくとも１つの質点における更新された平均及び更新された分散の関数として求められる剛性の状態の平均及び分散を出力することとを含む。本方法のステップは、メモリに作動的に接続された少なくとも１つのプロセッサを用いて実行される。

別の実施形態は、車両の状態と車両のタイヤの剛性の状態とを併せて推定するシステムであって、車両の状態は車両の速度及び方位角速度を含み、剛性の状態は、車両の少なくとも１つのタイヤの、車両が走行している道路との相互作用を規定する少なくとも１つのパラメータを含み、剛性の状態のパラメータは、タイヤの前後剛性、タイヤの横剛性、タイヤと道路との間の摩擦のうちの１つ又はそれらの組合せを含む、システムを開示する。本システムは、車両の運動モデルと車両の測定モデルとを記憶するメモリであって、車両の運動モデルは該運動の決定論的成分と該運動の確率論的成分との組合せを含み、運動の決定論的成分は、剛性の状態とは無関係であり、かつ時間の関数として車両の運動を規定し、運動の確率論的成分は、不確実性を有する剛性の状態を含み、かつ車両の運動に対する外乱を規定し、車両の測定モデルは、剛性の状態とは無関係の測定モデルの決定論的成分と、剛性の状態を含む測定モデルの確率論的成分との組合せを含む、メモリと、車両の状態の測定値を求める少なくとも１つのセンサと、メモリにかつセンサに作動的に接続されたプロセッサとを含む。プロセッサは、一組の質点を用いて剛性の状態を表し（各質点は、剛性の状態のパラメータの実行可能領域を画定する剛性の状態の平均及び分散を含む）、質点の実行可能領域においてサンプリングされたパラメータとともに剛性の状態を含む車両の運動モデルを用いて推定された、推定された剛性の状態と、車両の状態の測定値を用いて測定モデルに従って求められた測定された剛性の状態との差を用いて、少なくとも幾つかの質点の平均及び分散を反復して更新し、少なくとも１つの質点における更新された平均及び更新された分散の関数として求められる剛性の状態の平均及び分散を出力するように構成されている。

別の実施形態は、車両の状態と該車両のタイヤの剛性の状態とを併せて推定する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が具現化されている非一時的コンピューター可読メモリであって、車両の状態は該車両の速度及び方位角速度を含み、剛性の状態は、車両の少なくとも１つのタイヤの、該車両が走行している道路との相互作用を規定する少なくとも１つのパラメータを含む、非一時的コンピューター可読メモリを開示する。方法は、車両の運動モデルと該車両の測定モデルとを引き出すことであって、車両の運動モデルは、該運動の決定論的成分と該運動の確率論的成分との組合せを含み、運動の決定論的成分は、剛性の状態とは無関係であり、かつ時間の関数として車両の運動を規定し、運動の確率論的成分は、不確実性を有する剛性の状態を含み、かつ車両の運動に対する外乱を定義し、車両の測定モデルは、剛性の状態とは無関係の測定モデルの決定論的成分と、剛性の状態を含む測定モデルの確率論的成分との組合せを含む、引き出すことと、一組の質点を用いて剛性の状態を表すことであって、各質点は、剛性の状態のパラメータの実行可能領域を画定する剛性の状態の平均及び分散を含む、表すことと、質点の実行可能領域においてサンプリングされたパラメータとともに剛性の状態を含む車両の運動モデルを用いて推定された、推定された剛性の状態と、車両の状態の測定値を用いて測定モデルに従って求められた測定された剛性の状態との差を用いて、少なくとも幾つかの質点の平均及び分散を反復して更新することと、少なくとも１つの質点における更新された平均及び更新された分散の関数として求められる剛性の状態の平均及び分散を出力することとを含む。

道路の上を走行した車両のタイヤに対する力の大きさが、異なるタイプの路面についてのスリップによりいかに変化するかを示す図である。 図１Ａの拡大図である。 本発明の１つの実施形態による、車両の状態と車両のタイヤの剛性の状態とを併せて推定する方法のフローチャートである。 本発明の１つの実施形態による、剛性の状態の実行可能領域を規定する確率分布関数を示すグラフである。 質点を反復して更新する、１つの実施形態による質点を更新する方法の１回の反復のブロック図である。 車両を制御する概略的な制御システムの概略図である。 本発明の１つの実施形態によるシステムの概略構造の図である。 １つの実施形態による、車両からの内部信号を判断又は推定する方法のブロック図である。 本発明の幾つかの実施形態による剛性状態推定器の概略図である。 １つの実施形態による路面の分類を示すグラフである。 簡略化した車両モデルの概略図である。 全次元車両モデルの概略図である。 本発明の幾つかの実施形態による質点に確率を割り当てる図である。 本発明の幾つかの実施形態による質点に確率を割り当てる図である。 本発明の幾つかの実施形態によって採用される幾つかの原理に従って判断される異なる運動の概略図である。 本発明の幾つかの実施形態によって採用される幾つかの原理に従って判断される異なる運動及び関連する確率分布の概略図である。 サンプリングされたパラメータの確率の選択を示すグラフである。 サンプリングされたパラメータの確率の選択を示すグラフである。 本発明の幾つかの実施形態による、剛性の状態及び車両の状態を推定し、車両を制御する方法の１回の反復のフローチャートである。 本発明の１つの実施形態による、図７Ａの方法の一組の剛性の状態を判断する例示的な実施態様のフローチャートである。 本発明の１つの実施形態による、図７Ａの方法の各サンプリングされた剛性の状態の確率を判断する例示的な実施態様のフローチャートである。 本発明の１つの実施形態による、図７Ａの方法の幾つかのステップの３回の反復の結果の簡略化した概略図である。 本発明の幾つかの実施形態によって採用される幾つかの原理に従って、状態及び対応するタイヤパラメータの確率、並びに対応する集合体を求める概略図である。 路面分類及び摩擦パラメータを判断する概略図である。 本発明の幾つかの実施形態による、剛性状態推定器と車両コントローラとの間の相互作用の概略図である。

図１Ａは、道路の上を走行した車両のタイヤに対する力の大きさが、乾燥アスファルト１１０、湿潤アスファルト１２０及び積雪１３０の面等、異なるタイプの路面についてのスリップによりいかに変化するかの図を示す。タイヤ−力関係は、非常に非線形であり、タイヤ圧、車両質量、タイヤ温度及びタイヤの摩耗等、他の量によっても決まる。本明細書で用いるとき、車両は、乗用車、バス又はローバー等、任意のタイプの車輪付き車両とすることができる。

図１Ａは、スリップ以外の他の全ての量が固定して維持されているときの例示的な状況を示す。これは、タイヤ−力関係を示す本質的な方法である。図１Ａは、前後力を示すことができ、その場合、スリップは、車輪の回転速度又は前後速度のいずれかの高い方によって正規化された、前後速度と車輪の回転速度との差に関して定義される。図１Ａは、横力を示すことができ、その場合、スリップは、車輪の横速度成分と前後速度成分との比に関して定義される。

図１Ｂは、図１Ａの拡大図を示し、そこでは、力は、車輪にかかっている垂直抗力で正規化されており、乾燥アスファルト１１０の場合がより詳細に考慮されている。力がその最大値に達する値は、ピーク摩擦１１２と呼ばれる。ピーク摩擦１１２は、幾つかの自動車制御システムにおいて既知であることが有用である。例えば、ピーク摩擦の知識は、ＥＳＣにおいて特定の車輪にどれくらいのブレーキトルクをかけることができるかを知るために重要である。アンチロックブレーキシステム（ＡＢＳ）において、ピーク摩擦値及び対応するスリップ値１１３を使用し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。スリップが小さい、通常の運転中、力曲線は、タイヤ剛性１１１で近似することができる。

剛性１１１は、車両制御において、例えば、ＥＳＣシステム及びアクティブフロントステアリング（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規定することができる。例えば、タイヤ剛性がピーク摩擦によって決まりかつその逆もあり得るため、剛性１１１は、ピーク摩擦１１２を求めるためにも使用することができる。例えば、図１Ａから、乾燥アスファルト１１０、湿潤アスファルト１２０及び積雪１３０についての力曲線を比較することにより、タイヤ剛性値が大きいときはいつでもピーク摩擦値が大きいことが明らかである。その目的で、本発明の幾つかの実施形態は、車両のタイヤの剛性の状態を判断し、そこでは、剛性の状態は、車両の少なくとも１つのタイヤの、車両が走行している道路との相互作用を規定する少なくとも１つのパラメータを含む。剛性の状態のパラメータの例としては、タイヤの前後剛性、タイヤの横剛性、タイヤと道路との間の摩擦のうちの１つ又はそれらの組合せが挙げられる。

幾つかの実施形態は、車両の運動モデルと車両の状態の測定モデルとの両方に剛性の状態を含めることができるという理解に基づく。その目的で、幾つかの実施形態は、測定値を考慮して車両の状態を最も適切に記述するパラメータを求めるために、車両の状態と車両のタイヤの剛性の状態とを併せて推定する。

図１Ｃは、本発明の１つの実施形態による、車両の状態、例えば車両の速度及び方位角速度と、車両のタイヤの剛性の状態とを併せて推定する方法のフローチャートを示す。この実施形態は、未知のタイヤパラメータを、車両の運動の、その他の点では決定論的なモデルに作用する確率的外乱としてみなすことができるという認識に基づく。確率的外乱の性質により、車両は、あり得る異なる運動、したがってあり得る異なる状態を有することになる。

その目的で、幾つかの実施形態は、メモリから、決定論的成分１２５ｃ及び確率論的成分１２６ｃを有する、車両の運動モデル及び車両の測定モデルを引き出す（１３０ｃ）。例えば、車両の運動モデルは、運動の決定論的成分と運動の確率論的成分との組合せを含み、そこでは、運動の決定論的成分は、剛性の状態とは無関係であり、時間の関数として車両の運動を規定し、運動の確率論的成分は、不確実性を有する剛性の状態を含み、車両の運動に対する外乱を規定する。同様に、車両の測定モデルは、剛性の状態とは無関係の測定値の決定論的成分と剛性の状態を含む測定値の確率論的成分との組合せを含む。

実施形態は、剛性の状態及び車両の状態を一組の質点１４５ｃで表す（１４０ｃ）。各質点は、測定された状態、又は併合推定の先行する反復中に求められた状態とすることができる、車両の状態を含む。さらに又は代替的に、質点は、剛性の状態のパラメータの実行可能領域を画定する剛性の状態の平均及び分散を含む。剛性の状態を確率論的に表す、すなわち、平均及び分散を使用することにより、車両の運動に対して確率的外乱を考慮することができる。しかしながら、剛性の状態の平均及び分散は、車両のモデルに適合しない。その目的で、実施形態は、平均及び分散によって画定された剛性の状態のパラメータの実行可能領域をサンプリングし、サンプリングされたパラメータを併合推定において使用する。

図１Ｄは、剛性の状態の実行可能領域１００ｄを画定する確率分布関数１４０ｄを示すグラフを示す。関数１４０ｄの形状は、予め求めることができる。例えば、剛性の状態の分布がガウス分布である場合、分布１４０ｄの形状は「ガウスハット」形状である。形状が固定されている場合、平均１１０ｄ及び分散１３０ｄは、分布１４０ｄ及び実行可能領域１００ｄを画定し、そこから、剛性の状態のサンプルパラメータを引き出すことができる。

本明細書で用いるとき、剛性の状態のパラメータをサンプリングすることは、分布１４０ｄによって規定される確率を有するパラメータを引き出すことであり、そうしたパラメータは、剛性の状態の平均及び分散によって規定される。例えば、分布１４０ｄに従って、引き出されるか又はサンプリングされるサンプル１２０ｄの確率は、サンプル１５０ｄの確率より高い。こうした表現により、剛性の状態の平均及び分散を更新して（１６０ｄ）、剛性の状態をサンプリングするための更新された実行可能領域を画定する更新された分布１４５ｄを生成することができる。この実施形態は、剛性の状態の平均及び分散の更新が、後続する反復で使用される剛性の状態のパラメータの値に影響を与え、その理由は、こうしたパラメータが更新された分布から引き出されるためである、という観察に基づく。

その目的で、方法は、剛性の状態の平均及び分散を含む質点のうちの少なくとも１つを更新して（１５０ｃ）、更新された組１５５ｃを生成する。例えば、実施形態は、質点の実行可能領域において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運動モデルを用いて推定された、推定された剛性の状態と、車両の状態の測定値１４６ｃを用いて測定モデルに従って求められた、測定された剛性の状態との差を用いて、少なくとも幾つかの質点の平均及び分散を反復して更新する。

次に、方法は、少なくとも１つの質点における更新された平均及び更新された分散の関数１３５ｃとして求められた、剛性の状態の平均及び分散１６５ｃを出力する（１６０ｃ）。関数１３５ｃの例は、平均、例えば、その組における質点の平均及び分散の重み付き平均と、測定された状態１４６ｃを表す確率が最大である質点の平均及び分散を選択する最大関数とを含む。

例えば、１つの実施態様では、方法は、測定された状態に中心が置かれる測定モデルの確率分布を用いて、車両の状態及び剛性の状態の確率分布を求める。測定モデルの確率分布は、予め、例えば、先行する時間中に求められた剛性の状態の分散の値を用いて求めることができる。次に、方法は、車両の状態及び剛性の状態の確率分布上の質点における平均の配置に従って、剛性の真の状態を表す各質点の確率を求める。こうした確率は、出力１６５を求める関数１３５ｃによって使用される。

図１Ｅは、質点を反復して、例えば再帰的に更新する、１つの実施形態による、質点を更新する（１５０ｃ）方法の１回の反復のブロック図を示す。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。方法は、車両の運動のモデルで使用されるあり得るパラメータの実行可能領域をサンプリングして（１５０）、一組のサンプリングされたパラメータ１５５を生成する。車両の運動のモデル１４５は、剛性の状態における不確実性に起因して、車両の運動に対する不確実性を含む。方法は、車両の運動のモデル１４５と車両への入力１４７とを用いて、車両の運動に影響を与える各サンプリングされたパラメータに起因して生じるあり得る状態１６５を推定する（１６０）。

次に、方法は、状態を測定する（１７０）。例えば、方法は、剛性の状態によって決まるこうした車両の状態を測定する。方法は、測定値を、車両の状態と剛性の状態とを関連付ける測定のモデルにマッピングして、測定値、車両の状態及び剛性の状態の間の関係１７５を生成する。方法は、各質点について、測定モデル１７５による車両の測定された状態をもたらす、剛性の状態の平均を求める（１８０）。方法はまた、測定値の不確実性と質点における剛性の状態の分散との組合せとして測定された剛性の状態の分散も求め（１８０）、そこでは、測定値の不確実性の一部は前もって求めることができる。剛性の状態の求められた平均及び分散１８５は、車両の測定された状態をもたらす測定された剛性の状態の平均を用いて、質点における剛性の状態の平均を更新するために使用される（１９０）。同様に、方法は、測定された剛性の状態の分散を用いて、質点における剛性の状態の分散を更新する（１９０）。

図２Ａは、車両２００を制御する制御システム１９９の概略的なブロック図を示す。制御システム１９９の異なる構成要素は、車両のメモリ及び／又は種々のタイプのセンサに作動的に接続された１つ又は複数のプロセッサを用いて実施することができる。本明細書で用いるとき、車両は、乗用車、バス又は移動ロボットを含む、任意の車輪付きの車両を意味することができる。車両は、自律型車両、半自律型車両、又は横滑り防止装置（ＥＳＣ）及び／又はＡＢＳ等のアクティブセーフティシステムを備える標準的な車両とすることができる。制御システム１９９は、車両２００の内部であるものとすることができ、制御システム１９９の種々の構成要素の実施態様は、車両のタイプによって決まる可能性がある。例えば、車両のタイプに応じて、車両２００の構成要素は異なる可能性がある。

制御システム１９９は、幾つか又は全ての車輪についての情報２９０を受け取り、車輪速度の推定値２２１を生成する。情報２９０は、ＡＢＳからの車輪速度測定値、エンジントルク及び回転速度、及び／又はブレーキ圧を含むことができる。制御システム１９９はまた、慣性計測装置（ＩＭＵ）を用いて、車両の回転速度及び車両の加速度等、車両の慣性成分を測定する検知システム２３０も含むことができる。例えば、ＩＭＵは、３軸加速度計（複数の場合もある）、３軸ジャイロスコープ（複数の場合もある）及び／又は磁力計（複数の場合もある）を備えることができる。ＩＭＵは、速度、方位及び／又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。検知システム２３０はまた、全地球測位システム（ＧＰＳ）又は等価物から全地球測位情報も受け取ることができる。

制御システム１９９はまた、剛性の状態のパラメータを求める剛性状態推定器２４０も含む。本発明の幾つかの実施形態では、剛性状態推定器は、先行する反復中に求められた車両の状態及び剛性の状態から、車両の状態及び剛性の状態を反復して求める。本明細書で用いるとき、車両の状態は、車両の速度及び方位角速度を含むが、位置、方位、及び車両の運動に関する追加の量も含むことができる。

剛性状態推定器２４０はまた、剛性の状態に基づいて、車両が走行している路面を分類する分類システム２４３も含むことができる。例えば、剛性状態推定器２４０は、剛性の状態の平均及び分散を求めることができる。分散に応じて、分類システムは、路面を、例えば、乾燥アスファルト、湿潤アスファルト、積雪又は氷上等として分類することができる。

剛性状態推定器２４０は、検知システムからの情報２３１と信号調整器からの車輪速度推定値２２１とを使用する。検知システム２３０に、車両の前後加速度を測定するためにＩＭＵが備えられている場合、ＩＭＵからの測定値を使用して、タイヤの前後摩擦に関するパラメータを求めることができる。しかしながら、検知システム２３０が、前後加速度に関する情報を所有していない場合、信号調整器２２０は、車輪速度推定値と他の実施形態による他の量とに基づいて、前後加速度の推定値２２１を出力することができる。さらに又は代替的に、剛性状態推定器２４０は、車輪速度情報２２１に基づいて前後加速度の推定値を求めることができる。本発明の一実施形態では、車両の状態とタイヤ−道路相互作用を判断するパラメータとは、車輪速度情報とＩＭＵ情報とを結合することにより反復的に推定される。本発明の別の実施形態では、摩擦推定システムは、横成分のみを含む。こうした場合、情報２２１は、前後運動についての必要な情報を含むことができる。剛性状態推定器２４０はまた、車両制御ユニット２６０から車両運動に関する情報２６１も受け取ることができる。その情報は、位置、方位、速度等の車両の状態を含むことができ、機械に直接又は遠隔に接続されたハードウェア又はソフトウェアのいずれかから受け取られる。

例えば、剛性状態推定器２４０は、摩擦値、タイヤ剛性値、タイヤ剛性の確実性レベル又はそれらの組合せを含む、剛性の状態２４１を出力することができる。制御システム１９９はまた、剛性の状態２４１を使用する車両コントローラ２６０も含む。例えば、１つの実施形態では、剛性の状態は、剛性の状態によって決まる車両の動態のモデルを利用する先進運転支援システム（ＡＤＡＳ）において使用される。車両コントローラ２６０は、ＡＢＳ、ＥＳＣ若しくはＡＤＡＳ、又は自律運転機能を可能にする車両コントローラの組合せ等、独立型構成要素を含むことができる。例えば、剛性状態推定器は、車両のディスプレイ２１０に車両の運転手に対する監督成分として表示されるように、剛性の状態２４２を出力することができる。

図２Ｂは、本発明の１つの実施形態による剛性状態推定器２４０の概略構造を示す。剛性状態推定器２４０は、剛性状態推定器２４０のモジュールを実行する少なくとも１つのプロセッサ２７０を含む。プロセッサ２７０は、状態及びパラメータの統計２８１と車両情報２８２とを記憶するメモリ２８０に接続されている（２７１）。メモリ２８０はまた、限定されないが、剛性の状態の値、各計算された車両の状態の値、及び車両の各状態に至る運動を含む、推定器の内部情報２８３も記憶する。幾つかの実施形態では、車両に関する情報は、車両から受け取られる情報２６１及び検知から受け取られる情報２３１に基づいて更新される（２７１）。

図２Ｃは、１つの実施形態による、車両からの内部信号を判断するか又は推定する方法のブロック図を示す。２８１ｃ及び２６１ｃに至るステップは、ＡＢＳ、ＥＳＣ、ＡＤＡＳ等のシステムにおいて、又は自律型車両において使用することができる、制御ユニット又は回路構成に実装することができる。例えば、入力信号フィルター２１０ｃが、車輪又はタイヤの回転速度２０９ｃを処理することにより入力信号を求めて、信号２１１ｃを生成することができ、それにより、車両の各個々の車輪又はタイヤについて回転速度を求めることができる。フィルター２１０ｃはまた、ブレーキ圧２０８ｃを処理することにより入力信号２１２ｃを求め、エンジンからの回転速度及びトルク２０７ｃを処理することにより入力信号２１３ｃを求めることができる。ブロック２３０ｃは、前後加速度２３１ｃを求め、一方、ブレーキ力推定器２４０ｃが、かけられたブレーキ圧２１３ｃを用いて各車輪に対する制動力２４１ｃを推定する。エンジンのエンジントルク及び回転速度２１４ｃの値から、制御ユニット内のモジュールが、前後方向における駆動力を推定し、一方、２５０ｃにおいて、例えば、前後加速度２３１ｃの推定値を用いて、垂直抗力２５１ｃが推定される。垂直抗力推定値２５１ｃ並びに前後力推定値２４１ｃ及び２７１ｃを用いて、正規化された前後力２６１ｃを求めることができる。車輪半径推定器２２０ｃが、タイヤ又は車輪の処理された回転速度２１１ｃと正規化された駆動力２６１ｃの推定値とを用いて車輪半径を補正し、回転速度を伴う車輪半径２２１ｃを出力する。例えば、車輪半径推定器２２０ｃは、車輪スリップ２２１ｃを推定する。したがって、信号調整器２２０は、前後速度２２１ｃ、車輪スリップ推定値２８１ｃ若しくは正規化された前後力２６１ｃ、又はそれらの組合せを剛性状態推定器２４０に提供することができる。

したがって、幾つかの実施形態では、剛性状態推定器２４０は、前後速度２２１ｃ、車輪スリップ推定値２８１ｃ及び正規化された前後力２６１ｃのうちの１つ又はそれらの組合せの推定値を使用する。さらに又は代替的に、検知システム２３０が、剛性状態推定器２４０に、横加速度及び方位角速度の測定値２３１を提供して、横タイヤ剛性パラメータ２９１ｃ、横摩擦係数２９２ｃを含む剛性の状態を推定し、及び／又は路面２９３ｃを分類することができる。

さらに、他の幾つかの実施形態は、回転速度２２１ｃと、前後加速度及び横加速度並びに方位角速度の測定値２３１を提供する検知システム２３０とを使用して、前後及び横タイヤ剛性パラメータ２９１ｃ、前後及び横摩擦係数２９２ｃを含む剛性の状態を推定し、路面２９３ｃを分類する。２２１ｃを取得することができない場合はいつでも、又は、方法２２０がそれほど複雑な性質でない場合、２２１ｃの代わりに生車輪回転速度２０９ｃを使用することができることが理解されるべきである。

本発明の幾つかの実施形態は、冗長な最適化アルゴリズムに依存することによりタイヤに関連するパラメータを見つけようとする代わりに、確率論的フレームワークにおいて車両の状態を最適に記述する、車両の状態と剛性の状態とを併せてかつ反復的に推定することにより、剛性の状態を判断することができる、という理解に依存する。すなわち、剛性の状態は、或る特定のタイヤ剛性値が先行する反復中に判断された状態推定値を説明する確率を考慮することによって推定することができる。

例えば、幾つかの実施形態は、車両の確率論的運動モデルを使用し、そこでは、剛性パラメータは、車両の運動に対する確率的外乱として表され、一組のパラメータの選択は、何らかの確率論的コスト関数を最適化することに従って決定することができる。コスト関数は、本発明の他の実施形態に従って選択される。

図３は、本発明の幾つかの実施形態による剛性状態推定器２４０の概略図を示す。推定器２４０は、車輪速度測定値２２１又はそれらの推定値を用いて車両のその後の状態３４１を推定する（３４０）。幾つかの実施形態では、状態推定３４０は、車両の運動（動態）のモデルを使用し、モデルは剛性の状態に依存する。モデルは、前後動態及び横動態の両方を含むことができ、その場合、剛性の状態には、前後タイヤパラメータ及び横タイヤパラメータの両方が含まれる。代替的に、モデルは、前後動態及び横動態のうちの一方のみを含むことができる。状態更新モジュール３１０は、検知システム２３０からの測定値２３１を用いて、状態推定３４１を補正して車両の更新された状態３１１を形成する。

１つの実施形態では、更新された状態３１１及び／又は推定３４１は、車両制御システム２６０への入力２４１として使用される。さらに又は代替的に、別の実施形態では、状態推定値３１１は、剛性の状態の少なくとも１つのパラメータを更新する（３２０）ために使用され、その結果、車両の更新された剛性の状態３２１がもたらされる。１つの実施形態では、更新された剛性の状態３２１は、車両制御システム２６０への入力２４１として使用される。さらに又は代替的に、別の実施形態では、更新された剛性の状態３２１は、ディスプレイ２１０への入力２４２として使用されて、運転手に対する監督成分としての役割を果たす。さらに又は代替的に、別の実施形態では、更新された剛性の状態３２１は、状態を推定する（３４０）ために車両の運動のモデルを更新する（３３０）ために使用され、したがって、本発明の幾つかの実施形態の１回の反復を終了する。

図４は、１つの実施形態による路面の分類を示すグラフを示し、そこでは、剛性状態推定器は分類システム２４３を含む。更新された剛性の状態３２１を用いて、路面が分類され、道路の実際の摩擦係数が求められる。図４は、パラメータ推定器が剛性の状態を平均４１１及び分散４１２を有するように識別する状況を示す。剛性推定値４１１は不確実であるが、不確実性は何らかの事前定義された閾値４４０より小さいため、剛性値は、何らかの事前定義された確率値により、路面を乾燥アスファルトとして類別すると言うことができる。閾値は、９９％の確実性の値、９９．５％の確実性の値、又は他の何らかの値として定義することができる。閾値はまた、適応的とすることができる。例えば、推定された車両の状態３１１が分類システム２４３にも提供される場合、速度によって決まるように閾値を選択することができる。

その目的で、幾つかの実施形態は、剛性の状態の出力された平均及び分散を用いて路面を分類する。例えば、１つの実施形態は、剛性の状態の分散が、湿潤アスファルト４２１又は雪で覆われた路面４３１等、種々のタイプの路面に対応する値をカバーするまで、剛性の状態の平均の値に基づいて路面のタイプを判断する。例として図４を用いると、実施形態は、剛性の状態の分散により、路面が低い確率であっても湿潤アスファルトとして分類されるのが可能となるまで、路面のタイプを乾燥アスファルトとして分類する。さらに又は代替的に、１つの実施形態は、剛性の状態の平均の値に基づいて路面のタイプを判断し、単に、剛性の状態の分散に基づいてそのタイプを有する路面の確率を決定する。例として図４を用いると、実施形態は、１と４１３との間の差によって決まる確率で、路面のタイプを乾燥アスファルトとして分類する。例えば、４１２が４１１の標準偏差の３倍として選択される場合（標準偏差は、分散の平方根である）、実施形態は、およそ０．９９７に等しい確率で路面のタイプを乾燥アスファルトとして分類する。

幾つかの実施形態は、車両の運動の、その他の点では決定論的なモデルに作用する確率的外乱として、未知の剛性の状態を処理する。確率的外乱の性質により、車両は、異なるあり得る運動、したがって、異なるあり得る状態を有することになる。その目的で、幾つかの実施形態は、車両の運動モデルが、運動の決定論的成分と運動の確率論的成分との組合せを含むという理解に基づく。運動の決定論的成分は、剛性の状態とは無関係であり、時間の関数として車両の運動を規定する。一方、運動の確率論的成分は、車両の運動に対して外乱として作用する不確実性を有する剛性の状態を含む。このように、車両の運動は、剛性の状態の運動のモデル（時間発展）を知ることなくタイヤの剛性の状態を含むようにモデル化することができる。

幾つかの実施形態では、車両の状態は、車両の状態の運動のモデルに従って時間的に動的に展開する。車両の運動のモデルとタイヤの力のモデルとを注意深く選択した場合、車両の状態の運動は、完全に車両の状態によって決まる１つの決定論的部分、及び、タイヤの剛性の状態と車両の状態の測定値の不確実性との両方に依存する１つの不確実部分として記述することができる。例えば、何らかの非線形関数ｘ_ｋ＋１＝ｆ（ｘ_ｋ，ｕ_ｋ）＋ｇ（ｘ_ｋ，ｕ_ｋ）ｗ_ｋに従って、車両の運動のモデルを記述することができ、式中、

は、車両の状態の展開を記述する非線形確率論的関数であり、

は、外乱

をマッピングする、車両の状態によって決まる非線形確率論的関数であり、ｋは離散時間指数であり、

は状態であり、ｕ_ｋはシステムへの入力を含む。車両の運動の動的モデルは、各タイヤの各方向における剛性の平均、剛性の分散及び摩擦係数を含む剛性の状態によって決まる。幾つかの実施形態では、車両の運動に影響を与える外乱

は、タイヤ剛性の数値記述における不確実性に起因する。他の実施形態では、車両の状態は、車両の速度ベクトル及び方位角速度を含む。

図５Ａは、各車軸上の２つの車輪がひとまとめにされている、簡略化した車両の前輪駆動シングルトラック（single-track）モデルの概略図を示す。このモデルは、加速しているときの３つの剛性パラメータ、すなわち１つの前後剛性、２つの横剛性のパラメータによって決まる。剛性の状態は、

、

として書くことができ、式中、Ｃ_ｎは、例えば、公称面について判断された、剛性の公称値であり、ΔＣは、時間変化する未知の部分である。１つの実施形態は、その他の点では決定論的なシステムに作用している不規則外乱として、

を定義する。幾つかの実施形態では、雑音項は、ｗ_ｋ〜Ｎ（μ_ｋ，Σ_ｋ）に従ってガウス分散され、式中、ｕ_ｋ、Σ_ｋは、概して、剛性の状態の時間変化する平均及び共分散である。図５Ａにおいて、δは前輪の操舵角であり、αは横の場合のスリップ角であり、βは、車両の前進速度と横速度との比として定義される車両の車体スリップ角であり、Ｆ_ｘ、Ｆ_ｙは、それぞれ、前後（進行）力及び横力である。図５Ｂは、前輪操舵での完全シャシーモデルの概略図を示す。この場合、推定すべきパラメータの数は増加するが、同じ方法が適用されることが理解されるべきである。

本発明の１つの実施形態は、各車軸にわたって平均される、車輪速度推定値２２１としてシステムへの入力を選択する。別の実施形態では、入力は、各車軸にわたって平均される、車輪２３１の操舵角と組み合わせた、車輪速度推定値２２１である。非自律型モードでは、車輪の操舵角を測定することができない場合があるが、操舵輪の操舵角は測定することができる。更に別の実施形態は、操舵輪を車輪に接続する機械的構造のギア比を考慮することにより、操舵輪の操舵角を車輪の操舵角に変換する。

確率密度関数（ＰＤＦ）に関して、定義θ_ｋ：＝｛μ_ｋ，Σ_ｋ｝により、動的システムは、ｐ（ｘ_ｋ＋１｜ｘ_ｋ，ｕ_ｋ，θ_ｋ）として記述することができる。幾つかの実施形態は、車両の状態及びタイヤの剛性の状態の判断は、検知情報を考慮して全体的なシステムのＰＤＦを求めることにより行うことができるという理解に依存する。システムのＰＤＦを求めるために、本発明の幾つかの実施形態は、偏った雑音によって損なわれるように、検知システム２３０からシステム２３１への測定値を定義する。例えば、１つの測定値が方位角速度

であり、測定値

が、

に従って方位角速度に関連付けられ、式中、ｂ_ψはセンサにおけるドリフトによるオフセット項であり、ｅは測定値を破損させるゼロ平均雑音である。例えば、雑音は、分散Ｒを用いてガウスＰＤＦ、ｅ〜Ｎ（０，Ｒ）としてモデル化することができる。雑音源は、測定値が完全ではないことの主な原因となる。雑音源は、幾つかの方法で選択される可能性がある。１つの実施形態では、ヨーレート及び加速度コマンドが結合されて、各時間ステップにおいて、全てが個々のバイアス成分を含む、測定値のベクトルを形成する。幾つかの実施形態では、システムは、３つのＰＤＦ、ｐ（ｂ_ｋ｜θ_ｋ，ｘ_ｋ，ｙ_０：ｋ）ｐ（θ_ｋ｜ｘ_ｋ，ｙ_０：ｋ）ｐ（ｘ_ｋ｜ｙ_０：ｋ）を反復的に推定することによって推定され、それにより、上記ＰＤＦを推定した後、車両の状態とタイヤの剛性の状態とを再構築することができ、路面を分類することができる。他の幾つかの実施形態は、Ｎ個の別個の重みを使用して連続ＰＤＦを表し、重みは、Ｎが十分に大きくなると、連続ＰＤＦを厳密に表す。そして、車両の状態のＰＤＦは、車両の状態のＮ個の仮説によって表され、他の２つのＰＤＦの統計は、近似技法又は厳密な技法のいずれかを用いて表すことができる。例えば、タイヤパラメータのＰＤＦは、サンプリングベースの技法を用いて又は正規逆Ｗｉｓｈａｒｔ更新技法を用いて更新することができる。同様に、バイアス項のＰＤＦを、サンプリングベースの技法を用いて又はＫａｌｍａｎフィルター表現を用いて更新することができ、その場合、異なる表現の精度は、動的展開の特定のモデルと関連する測定値の特定のモデル化とによって決まる。

幾つかの実施形態は、タイヤの剛性の状態を、剛性の状態、車両の状態及び測定値のバイアス項を併せて考慮することにより、正確に推定することができることを認める。１つの実施形態では、それらの量は、量の組合せが測定値ベクトルを説明する可能性がどの程度であるかに確率を割り当てることによって推定される。

図６Ａは、車両が初期状態６１０を有するシナリオを示す。一組のタイヤのパラメータとシステムに対する所与の入力とについて、車両は、運動６１１ａに従い、６３０ａで終了して、結果として不確実性６３１ａを有する。検知システム２３０の不確実性により、車両の状態は、或る特定の領域６２０までしか知ることができない。しかしながら、車両の最終状態６３０ａは、領域６２０内に十分に存在するため、剛性の状態、バイアス項及び車両の初期状態のこの特定の組合せには、良好な組合せである高い確率が与えられる。

図６Ｂは、同じ初期状態６１０を有し、センサの同じバイアス項を有する可能性があるが、タイヤの別の特定の組のパラメータを有する車両を示す。システムへの同じ入力について、車両６１０は、ここでは、運動６１１ｂに従い、車両は状態６３０ｂで終了し、結果として不確実性６３１ｂを有する。しかしながら、車両のこの最終状態６３０ｂは、センサの確実性領域内に存在しない。したがって、初期状態、タイヤのパラメータ及びバイアス項のこの特定の組合せには、良好な組合せである低い確率が割り当てられる。

図６Ｃは、本発明の様々な実施形態によって採用される幾つかの原理に従って判断される異なる運動の概略図を示す。車両は、道路境界６４０ｃを有する道路上で現状態６１０にあると推定され、現状態６１０の推定値は、本発明の他の実施形態による先行する反復中に求められている。線６１９ｃ及び６２９ｃは、車両の２つのあり得る状態６２０ｃ及び６３０ｃに至る、剛性の２つの異なる状態を用いて判断される２つの異なる運動である。グレー領域６１１ｃは、センサの予め既知の雑音モデル化から求められる、検知システム２３０からのセンサの不確実性、すなわち運動が発生する可能性がある、あり得る領域を示す。運動６１９ｃのみが不確実性領域の内側にある。このため、運動６２９ｃからもたらされる状態６２０ｃと、運動６２９ｃに関連する剛性の状態とに対し、良好な組合せである低い確率が与えられる。

図６Ｄに示すように、車両の運動は、車両の状態にわたってＰＤＦ６１２ｄの形式でモデル化することができ、そこでは、ＰＤＦ６１２ｄの初期状態６０９ｄは、先行する反復の間に求められている。本発明の実施形態のうちの幾つかでは、運動は、第１に、初期状態から最終状態までの幾つかの運動を決定し（種々の運動は、その特定の運動に属する車輪又はタイヤのパラメータの組に従って開始される）、第２に、種々の運動が、検知システム２３０によって検知される真の運動にどれくらい一致するかを判断し、第３に、種々の運動が検知システムによって検知される真の運動にどれくらい一致するかの判断と一貫するパラメータを求めることによって、計算される。例示のために、図６Ｄは、２つの異なる運動がそれぞれ状態６２０ｃ及び６３０ｃに至り、車両の運動のＰＤＦ６１２ｄがともにそれぞれの運動と一致する状況を示す。しかしながら、種々の運動が検知システムのＰＤＦ６１１ｃとどれくらい一致するかを判断した後、ＰＤＦ６３１ｄが達成され、それは、状態６２０ｃと一致しない。本発明の或る特定の実施形態では、結果としてのＰＤＦ６３１ｄは、本方法の別の反復についての基礎を形成する。

幾つかの実施形態は、質点の剛性の状態を用いて推定される車両の状態と測定された状態との差に基づき、真の剛性の状態を表す各質点の確率を求める。例えば、１つの実施形態は、車両の状態のＰＤＦを用いてこうした確率を求める。

図６Ｅは、本発明の１つの実施形態による、車両のあり得る状態にわたってＰＤＦ６３１を用いるサンプリングされたパラメータの確率の選択を示すグラフを示す。例えば、ＰＤＦ６３１は、測定モデルの確率分布とすることができる。こうした確率分布の形状は、予め、例えば、ガウス分布又は異なる形状として求めることができ、この確率分布６３１の位置は、測定された状態６３５に中心が置かれる。その目的で、１つの実施形態は、測定された状態に中心が置かれる測定モデルの確率分布６３１を用いて、車両の状態及び／又は剛性の状態の確率分布を求める。その目的で、実施形態は、車両の状態及び剛性の状態の確率分布上の質点における平均の配置に従って、真の剛性の状態を表す各質点の確率を求めることができる。

例えば、実施形態は、初期状態とパラメータ値の１つのサンプルとを車両の運動のモデルに提示して、初期状態から次の状態６２１への車両の遷移を推定し、正確であるべき、車両の状態及び／又は剛性の状態の確率として、次の状態６２１に対応する点６２３において車両の状態にわたってＰＤＦの値６２２を選択する。

図６Ｆは、図６ＥのＰＤＦ６３１とは異なるＰＤＦ６５１によるサンプリングされたパラメータの確率の選択を示す別のグラフを示す。例えば、ＰＤＦ６５１は、測定された状態の変化に基づいて更新された分布である。この例では、実施形態は、車両の状態及び／又は剛性の状態の確率として、次の状態６２１に対応する点６４３において車両の状態にわたるＰＤＦ６５１の値６４２を選択する。

図７Ａは、本発明の幾つかの実施形態による、剛性の状態及び車両の状態を推定する、車両を制御するための方法６９９の１回の反復のフローチャートを示す。本方法は、初期状態及びの初期の一組のパラメータから開始して、車両、及び車両の運動を説明する車両の状態のモデルを指定する、一組のパラメータ値及び関連する不確実性を求める。異なる実施形態では、車両の初期状態は、車両の現推定状態であり、及び／又は、車両の初期状態は、方法の先行する反復の間に求められた剛性の状態に対応する車両の状態である。

例えば、車両の２つの推定された状態を接続する運動について図６Ａに示したように、運動は、車両の状態を接続する状態遷移によって定義される。各状態は、車両の少なくとも速度及び方位角速度を含む。方法のステップは、推定器２４０及び／又は車両のプロセッサ２７０によって実行される。運動は、終了条件が満たされるまで、例えば、或る期間の間、又は所定数の反復の間、反復して求められる。図７Ａの方法の１回の反復は以下のステップを含む。

方法６９９は、一組の剛性のサンプリングされた状態と、車両の状態に対する静的制約及び動的制約を満たす一組の状態への対応する一組の遷移とを求める（７００）。例えば、方法は、図６Ｃにおいて、状態遷移６１９ｃ、６２９ｃ及び状態６３０ｃ、６２０ｃを求める。次に、方法６９９は、車両の運動の測定値と一貫する状態への移動を生成する、ステップ７００における剛性サンプルの各状態の確率を求める（７１０）。

各状態の確率を、それらの状態を推定するために使用される剛性の状態の質点の確率として使用して、方法６９９は、各質点における更新された平均及び更新された分散の重み付き組合せを用いる関数に従って、集合的な剛性の状態７２１を求める（７２０）。例えば、組合せにおける重みは、真の剛性の状態を表す各質点の確率によって決まる。さらに又は代替的に、関数は、単に、最も可能性の高い質点の剛性の状態を選択することができる。他の実施形態は、剛性７２１の状態を判断する異なる関数を使用し、それは、車両を制御し（７４０）、及び／又は路面を分類する（７３０）ために使用することができる。

図７Ｂは、本発明の１つの実施形態による一組の剛性の状態の値を求める（７００）例示的な実施態様のフローチャートを示す。求めること（７００）は、システムへの実際の入力と、先行する反復を用いて推定された初期状態とを使用する。方法は、最初に、先行する反復中に求められた値から一組の質点

についてのＮ個の平均及び分散を予測する（７０１）。そして、方法は、剛性の状態のＮ個の値の組をサンプリングし（７０２）（Ｎは、事前に決定するか又は適応的とすることができる）、剛性の状態の値の組を用いて、状態

を予測する（７０３）。そして、求めること（７００）は、まだ考慮されていなかった、検知又はモデルにおける追加の誤差を考慮する、バイアス項、すなわち分散を予測する（７０４）。

本発明の幾つかの実施形態では、剛性の状態の各値の数ｉは、動的システムの一組の雑音源パラメータである、すなわち、ｗ_ｋからの

の数ｉを用いて生成され、式中、

は、タイヤ剛性の推定された平均を示し、

は、対応する不確実性、すなわち分散を示す。例えば、ｗ_ｋは、ガウス分布ｗ_ｋ〜Ｎ（μ_ｋ，Σ_ｋ）から生じるものとして選択することができ、又は、特定の用途に適合されたＰＤＦとして選択することができる。幾つかの実施形態では、剛性推定値自体における不確実性を考慮するために、スチューデントのｔ分布（student-t distribution）が使用され、それは、各反復についてガウス分布を近似する。

本発明の幾つかの実施形態では、サンプリングされたパラメータ値７０２は、動的システムを反転させることによって生成される。こうした場合、１つの実施形態では、状態

は、代わりに、確率関数ｑ（ｘ_ｋ｜ｘ_ｋ−１，ｙ_ｋ）を用いることによって生成され、サンプリングされた剛性値は、測定値をより十分に満たすように動的システムの反転により生成される。しかしながら、システムモデルを反転させることは、常に正確に行うことができるとは限らない。

図７Ｃは、車両の運動の測定値と一貫する状態への移動をもたらす各サンプリングされた剛性の状態の確率を求める方法７１０のフローチャートを示す。各剛性値の確率を求めるとき、次の状態７０２の、測定値との一貫性が判断され（７１１）、各状態の確率が計算される（７１２）。例えば、１つの実施形態は、図６Ｅ及び図６Ｆに記載されている原理を用いて確率を求める（７１２）。

方法７１０の１つの実施形態では、いわゆる有効サンプルサイズが閾値未満である（閾値は事前に決定することができる）場合（７１４）、車両の運動の測定値と一貫する状態に至る確率が高い剛性値はほとんどなく、そのため、方法は、確率の高いサンプル及び対応する状態を複製し、確率の低いサンプル及び対応する状態を破棄する（７１５）。有効サンプルサイズが閾値以上である場合、方法は終了する（７１６）。さらに又は代替的に、幾つかの実施形態では、非ゼロではあるが低い確率の剛性値及び対応する状態は、より高い確率の入力及び状態と置き換えられる。例えば、１つの実施形態は、

を生成する確率が少なくとも

であるように、剛性値及び対応する状態の新たな組を生成する。別の実施形態では、置換は、確率の逆二乗和が何らかの事前定義された閾値未満である場合はいつでも行われる。このように行うことにより、適切である可能性のある剛性値のみが使用されることが確実になる。

本発明の幾つかの実施形態では、求めること（７１２）は、測定値のＰＤＦ、すなわち

と、動的システムのＰＤＦと、方法７００の先行する反復中に求められた入力の確率

との組合せとして行なわれる。例えば、剛性値が、パラメータの不確実性モデルに従って生成される場合、確率は、測定値のＰＤＦに比例し、すなわち、

である。１つの実施形態では、確率は、ＰＤＦを表すように正規化される。図６Ｆに関連して、状態６２１に対応する先行する反復の間に求められたＰＤＦ６５１上の点６４３における値６４２によって、

が与えられる場合、更新された確率

は、６２２と６４２との乗算として求められる。

タイヤパラメータ

を求めること（７１３）は、幾つかの方法で行うことができる。例えば、１つの実施形態は、サンプリングされた剛性値

を使用して、以下の補正モジュールを用いて各パラメータの組を補正することにより、補正されたパラメータを求める。

ここで、パラメータは、タイヤの予測されたパラメータから補正される。上記式から、タイヤ剛性の値を直接導き出すことができ、タイヤ剛性の不確実性は、上記式から求めることができる。

車輪又はタイヤの剛性の状態及び車両の対応する状態を求めること（７２０）は、幾つかの方法で行うことができる。例えば、１つの実施形態は、重み付き平均関数を用いて、車両の状態について

及び同様のものとしてパラメータ値の確実性としてタイヤ剛性値を生成することにより、剛性の状態を判断する。別の実施形態は、最高の確率の状態及びパラメータとして上記量を求める。

図７Ｄは、各反復について５つのサンプリングされた剛性値が生成される場合のステップ７００、７１０及び７２０の３回の反復の結果の簡略化した概略図を示す。初期状態７１０ｄは、運動のモデル及びシステムへの入力、並びに動的モデルをパラメータ化するために使用される、５つのサンプリングされた剛性値を使用して、時間的に下って予測されて（７１１ｄ）、５つの次の状態７２１ｄ、７２２ｄ、７２３ｄ、７２４ｄ及び７２５ｄが生成される。確率は、測定値７２６ｄの関数と、測定値７２６ｄの雑音源及びバイアス７２７ｄのモデルとして求められる。各時間ステップにおいて、すなわち、各反復において、確率の集合体が使用されて、タイヤパラメータ及び対応する状態７２０ｄの集合的な組が生成される。

図７Ｅは、図７Ｄにおける第１の反復における５つの状態のあり得る割り当てられた確率を示す。これらの確率７２１ｅ、７２２ｅ、７２３ｅ、７２４ｅ及び７２５ｅは、状態７２１ｄ、７２２ｄ、７２３ｄ、７２４ｄ、及び７２５ｄを示すドットのサイズを選択することにおいて反映される。

再び図７Ｄを参照すると、状態７２０ｄが、関連するタイヤパラメータとともに、図７Ａにおける車両の制御７４０のための出力７２１として使用される。再び図７Ｃを参照すると、閾値７１４が満たされる場合、高い確率の状態及び対応するパラメータ並びにバイアス項は、複製され、次の反復のための初期状態となり、次の反復は再び、車両の状態を初期状態７２１ｄ、７２２ｄ、７２３ｄ及び７２４ｄから次の状態７３１ｄ、７３２ｄ、７３３ｄ、７３４ｄ及び７３５ｄに遷移させる、５つのサンプリングされた剛性値を生成する。状態７３０ｄに対応する制御入力は、この反復のサンプリングされた制御入力の確率に従って選択される。状態７３２ｄ、７３３ｄ及び７３４ｄが、この特定の例における次の反復についての初期状態であるが、概して、全ての状態を時間的に下って拡張することができる。

図７Ｆは、路面と剛性の状態の値との関係の集計された値を含むデータベースを使用する１つの実施形態による、路面を分類する（７３０）方法の概略図を示す。例えば、図２Ｂに示すメモリ２８０にデータベースを記憶することができる。例えば、アスファルトについてのタイヤの剛性の値の最大値７１０ｆ及び最小値７１１ｆが、データベースに記憶される。図７Ｆでは、２つの路面状態しか存在せず、１つの値が剛性を表すが、路面状態の種々の表現により、かつ幾つかの剛性値により、任意の数の路面状態に推論を広げることができることが理解されるべきである。線７１１ｆは、アスファルトと積雪との境界も決定し、積雪の最小値は７１２ｆ、すなわち、積雪路面で発生する可能性がある最小値である。剛性の状態の推定値７２１ｆ、すなわち、剛性の状態の平均、及びこの値の不確実性７２０ｆ、すなわち、線７２０ｆ及び７２１ｆによって示す剛性の状態の分散は、７１０ｆ及び７１１ｆの範囲内にあり、そのため、路面はアスファルトとして分類することができる。

幾つかの実施形態は、推定器２４０によって計算される剛性の状態に従って車両を制御する（７４０）。制御７４０は、剛性の状態の値によって決まる。１つの実施形態では、剛性の状態の不確実性を使用して、車両制御がどれくらい介在するべきであるかが判断される。例えば、不確実性は、車両が不確実性の範囲において全てのタイヤパラメータについて正確に制御されることを確実にするコントローラにおいて、使用される。コントローラが、車両を十分に操縦することができないと判断した場合、１つの実施形態では、コントローラは、制動制御、場合によっては操舵制御を起動することにより、車両を緩やかに停止させる。別の実施形態では、コントローラは、運転手に対し、車両の安定性を保証することができないことを警告する。

図８は、本発明の幾つかの実施形態による制御システムと車両コントローラとの間の相互作用の概略図を示す。例えば、本発明の幾つかの実施形態では、車両８００のコントローラは、車両８００の回転及び加速度を制御する、操舵コントローラ８１０及びブレーキ／スロットルコントローラ８２０である。こうした場合、剛性状態推定器８４０は、前後剛性及び横剛性の両方及び／又は摩擦推定値を出力する。しかしながら、１つの実施形態では、車線維持支援（lane-keeping assist）８３０が使用され、それにより、推定システムは、横成分のみを出力する。両方の場合で、車両コントローラ８００は、車両の操舵輪及び／又はブレーキ等、車両の少なくとも１つのアクチュエーターを制御する、車両の少なくとも１つのコントローラによって使用される車両モデルにパラメータをマッピングし、車両のアクチュエーターへの制御コマンドを使用して車両の運動を制御する。別の実施形態では、道路分類器は、運転手に可視のディスプレイに摩擦の表示を出力する（２４２）。こうした場合、車両が半自律型車両である場合、運転手は、自律運転に介入するべきであるか又は自律運転モードを維持するべきであるかを判断することができる。

本発明の上記の実施形態は、数多くの方法のいずれにおいても実現することができる。例えば、それらの実施形態は、ハードウェア、ソフトウェア又はその組み合わせを用いて実現することができる。ソフトウェアにおいて実現されるとき、そのソフトウェアコードは、単一のコンピューター内に設けられるにしても、複数のコンピューター間に分散されるにしても、任意の適切なプロセッサ、又はプロセッサの集合体において実行することができる。そのようなプロセッサは集積回路として実現することができ、集積回路構成要素内に１つ以上のプロセッサが含まれる。一方、プロセッサは、任意の適切な構成における回路を用いて実現することができる。

また、本明細書において概説される種々の方法又はプロセスは、種々のオペレーティングシステム又はプラットフォームのいずれか１つを利用する１つ以上のプロセッサ上で実行可能であるソフトウェアとしてコード化することができる。さらに、そのようなソフトウェアは、幾つかの適切なプログラミング言語及び／又はプログラミングツール若しくはスクリプト記述ツールのいずれかを用いて書くことができ、フレームワーク又は仮想機械上で実行される実行可能機械語コード又は中間コードとしてコンパイルすることもできる。通常、プログラムモジュールの機能は、種々の実施形態において望ましいように、組み合わせることもできるし、分散させることもできる。

また、本発明の実施形態は方法として具現することができ、その一例が提供されてきた。その方法の一部として実行される動作は、任意の適切な方法において順序化することができる。したがって、例示的な実施形態において順次の動作として示される場合であっても、例示されるのとは異なる順序において動作が実行される実施形態を構成することもでき、異なる順序は、幾つかの動作を同時に実行することを含むことができる。

Claims (20)

1. 車両の状態と該車両のタイヤの剛性の状態とを併せて推定することにより該車両を制御する方法であって、前記車両の状態は該車両の速度及び方位角速度を含み、前記剛性の状態は、前記車両の少なくとも１つのタイヤの、該車両が走行している道路との相互作用を規定する少なくとも１つのパラメータを含み、該方法は、
   前記車両の運動モデルと該車両の測定モデルとをメモリから引き出すことであって、前記車両の前記運動モデルは、該運動の決定論的成分と該運動の確率論的成分との組合せを含み、前記運動の前記決定論的成分は、前記剛性の状態とは無関係であり、かつ時間の関数として前記車両の前記運動を規定し、前記運動の前記確率論的成分は、不確実性を有する前記剛性の状態を含み、かつ前記車両の前記運動に対する外乱を規定し、前記車両の前記測定モデルは、前記剛性の状態とは無関係の前記測定モデルの決定論的成分と、前記剛性の状態を含む前記測定モデルの確率論的成分との組合せを含む、引き出すことと、
   一組の質点を用いて前記剛性の状態を表すことであって、各質点は、前記剛性の状態の前記パラメータの実行可能領域を画定する前記剛性の状態の平均及び分散を含む、表すことと、
   前記質点の前記実行可能領域においてサンプリングされたパラメータとともに前記剛性の状態を含む前記車両の前記運動モデルを用いて推定された、推定された剛性の状態と、前記車両の状態の測定値を用いて前記測定モデルに従って求められた前記測定された剛性の状態との差を用いて、少なくとも幾つかの質点の前記平均及び前記分散を反復して更新することと、
   少なくとも１つの質点における前記更新された平均及び前記更新された分散の関数として求められる前記剛性の状態の平均及び分散を出力することと、
   を含み、
   該方法のステップは、前記メモリに作動的に接続された少なくとも１つのプロセッサを用いて実行される、方法。
2. 前記質点を更新する１回の反復は、
   前記質点の前記実行可能領域をサンプリングしてサンプリングされたパラメータを生成することと、
   前記車両への入力と、前記サンプリングされたパラメータを含む前記車両の運動のモデルとを用いて、或る瞬間における該車両の状態を推定することと、
   前記瞬間において前記車両の状態を測定することと、
   前記測定モデルに従って前記車両の前記測定された状態をもたらす、前記測定された剛性の状態の前記平均を求めることと、
   前記測定値の不確実性と、前記質点における前記剛性の状態の前記分散との組合せとして、前記測定された剛性の状態の前記分散を求めることと、
   前記測定された剛性の状態の前記平均を用いて、前記質点における前記剛性の状態の前記平均を更新することと、
   前記測定された剛性の状態の前記分散を用いて、前記質点における前記剛性の状態の前記分散を更新することと、
   を含む、請求項１に記載の方法。
3. 前記質点の組を更新するために、前記測定された剛性の状態の前記分散は、前記測定値の前記不確実性と、前記質点の組における前記剛性の状態の一組の分散との前記組合せとして求められる、請求項２に記載の方法。
4. 前記質点の前記剛性の状態を用いて推定される状態と前記測定された状態との差に基づき、前記剛性の真の状態を表す各質点の確率を求めることと、
   各質点における前記更新された平均及び前記更新された分散の重み付き組合せを用いる前記関数に従って、前記剛性の状態を判断することであって、前記組合せにおける前記重みは、前記剛性の真の状態を表す各質点の前記確率によって求められる、判断することと、
   を更に含む、請求項１に記載の方法。
5. 前記測定された状態に中心を置く前記測定モデルの確率分布を用いて、前記車両の状態及び前記剛性の状態の確率分布を求めることと、
   前記車両の状態と前記剛性の状態との前記確率分布上の前記質点における前記平均の配置に従って、前記剛性の真の状態を表す各質点の前記確率を求めることと、
   を更に含む、請求項４に記載の方法。
6. 前記剛性の状態の前記出力された平均及び分散を用いて路面を分類すること、
   を更に含む、請求項１に記載の方法。
7. 前記分類することは、
   前記剛性の状態の前記分散が前記路面の異なるタイプに対応する値をカバーするまで、前記剛性の状態の前記平均の値に基づいて前記路面のタイプを判断すること、
   を含む、請求項１に記載の方法。
8. 前記分類することは、
   前記剛性の状態の前記平均の値に基づいて前記路面のタイプを判断することと、
   前記剛性の状態の前記分散に基づいて前記タイプを有する前記路面の確率を求めることと、
   を含む、請求項１に記載の方法。
9. 前記剛性の状態の前記パラメータは、前記タイヤの前後剛性、該タイヤの横剛性、該タイヤと前記道路との間の摩擦のうちの１つ又はそれらの組合せを含む、請求項１に記載の方法。
10. 前記タイヤの前記剛性の状態に基づいて前記車両を制御すること、
    を更に含む、請求項１に記載の方法。
11. 車両の状態と該車両のタイヤの剛性の状態とを併せて推定することにより該車両を制御するシステムであって、前記車両の状態は該車両の速度及び方位角速度を含み、前記剛性の状態は、前記車両の少なくとも１つのタイヤの、該車両が走行している道路との相互作用を規定する少なくとも１つのパラメータを含み、前記剛性の状態の前記パラメータは、前記タイヤの前後剛性、該タイヤの横剛性、該タイヤと前記道路との間の摩擦のうちの１つ又はそれらの組合せを含み、該システムは、
    前記車両の運動モデルと該車両の測定モデルとを記憶するメモリであって、前記車両の前記運動モデルは、該運動の決定論的成分と該運動の確率論的成分との組合せを含み、前記運動の前記決定論的成分は、前記剛性の状態とは無関係であり、かつ時間の関数として前記車両の前記運動を規定し、前記運動の前記確率論的成分は、不確実性を有する前記剛性の状態を含み、かつ前記車両の前記運動に対する外乱を規定し、前記車両の前記測定モデルは、前記剛性の状態とは無関係の前記測定モデルの決定論的成分と、前記剛性の状態を含む前記測定モデルの確率論的成分との組合せを含む、メモリと、
    前記車両の状態の測定値を求める少なくとも１つのセンサと、
    前記メモリにかつ前記センサに作動的に接続されたプロセッサであって、
    一組の質点を用いて前記剛性の状態を表し、なお、各質点は、前記剛性の状態の前記パラメータの実行可能領域を画定する前記剛性の状態の平均及び分散を含み、
    前記質点の前記実行可能領域においてサンプリングされたパラメータとともに前記剛性の状態を含む前記車両の前記運動モデルを用いて推定された、推定された剛性の状態と、前記車両の状態の測定値を用いて前記測定モデルに従って求められた前記測定された剛性の状態との差を用いて、少なくとも幾つかの質点の前記平均及び前記分散を反復して更新し、
    少なくとも１つの質点における前記更新された平均及び前記更新された分散の関数として求められる前記剛性の状態の平均及び分散を出力する、
    ように構成された、プロセッサと、
    を備える、システム。
12. 前記プロセッサは、前記質点を反復して更新し、該質点の更新の１回の反復について、前記プロセッサは、
    前記質点の前記実行可能領域をサンプリングしてサンプリングされたパラメータを生成し、
    前記車両への入力と、前記サンプリングされたパラメータを含む前記車両の運動のモデルとを用いて、或る瞬間における前記車両の状態を推定し、
    前記センサから、前記瞬間における前記車両の状態の前記測定値を取得し、
    前記測定モデルに従って前記車両の前記測定された状態をもたらす、前記測定された剛性の状態の前記平均を求め、
    前記測定値の不確実性と、前記質点における前記剛性の状態の前記分散との組合せとして、前記測定された剛性の状態の前記分散を求め、
    前記測定された剛性の状態の前記平均を用いて、前記質点における前記剛性の状態の前記平均を更新し、
    前記測定された剛性の状態の前記分散を用いて、前記質点における前記剛性の状態の前記分散を更新する、
    ように構成されている、請求項１１に記載のシステム。
13. 前記プロセッサは、前記測定値の前記不確実性と前記質点の組における前記剛性の状態の一組の分散との組合せとして、前記測定された剛性の状態の前記分散を求める、請求項１２に記載のシステム。
14. 前記プロセッサは、
    前記質点の前記剛性の状態を用いて推定される状態と前記測定された状態との差に基づき、前記剛性の真の状態を表す各質点の確率を求め、
    各質点における前記更新された平均及び前記更新された分散の重み付き組合せを用いる前記関数に従って、前記剛性の状態を求め、前記組合せにおける前記重みは、前記剛性の真の状態を表す各質点の前記確率によって求められる、
    請求項１１に記載のシステム。
15. 前記プロセッサは、
    前記測定された状態に中心を置く前記測定モデルの確率分布を用いて、前記車両の状態及び前記剛性の状態の確率分布を求め、
    前記車両の状態と前記剛性の状態との前記確率分布上の前記質点における前記平均の配置に従って、前記剛性の真の状態を表す各質点の前記確率を求める、
    請求項１４に記載のシステム。
16. 前記プロセッサは、
    前記剛性の状態の前記出力された平均及び分散を用いて路面を分類する、
    ように構成されている、請求項１１に記載のシステム。
17. 前記プロセッサは、前記剛性の状態の前記平均の値に基づいて前記路面のタイプを判断し、前記剛性の状態の前記分散に基づいて前記タイプを有する前記路面の確率を求める、請求項１６に記載のシステム。
18. 前記タイヤの前記剛性の状態に基づいて前記車両を制御するコントローラ、
    を更に備える、請求項１１に記載のシステム。
19. 前記タイヤの前記剛性の状態を表示するディスプレイ、
    を更に備える、請求項１１に記載のシステム。
20. 車両の状態と該車両のタイヤの剛性の状態とを併せて推定する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が具現化されている非一時的コンピューター可読メモリであって、前記車両の状態は該車両の速度及び方位角速度を含み、前記剛性の状態は、前記車両の少なくとも１つのタイヤの、該車両が走行している道路との相互作用を規定する少なくとも１つのパラメータを含み、前記方法は、
    前記車両の運動モデルと該車両の測定モデルとを引き出すことであって、前記車両の前記運動モデルは、該運動の決定論的成分と該運動の確率論的成分との組合せを含み、前記運動の前記決定論的成分は、前記剛性の状態とは無関係であり、かつ時間の関数として前記車両の前記運動を規定し、前記運動の前記確率論的成分は、不確実性を有する前記剛性の状態を含み、かつ前記車両の前記運動に対する外乱を定義し、前記車両の前記測定モデルは、前記剛性の状態とは無関係の前記測定モデルの決定論的成分と、前記剛性の状態を含む前記測定モデルの確率論的成分との組合せを含む、引き出すことと、
    一組の質点を用いて前記剛性の状態を表すことであって、各質点は、前記剛性の状態の前記パラメータの実行可能領域を画定する前記剛性の状態の平均及び分散を含む、表すことと、
    前記質点の前記実行可能領域においてサンプリングされたパラメータとともに前記剛性の状態を含む前記車両の前記運動モデルを用いて推定された、推定された剛性の状態と、前記車両の状態の測定値を用いて前記測定モデルに従って求められた前記測定された剛性の状態との差を用いて、前記少なくとも幾つかの質点の前記平均及び前記分散を反復して更新することと、
    少なくとも１つの質点における前記更新された平均及び前記更新された分散の関数として求められる前記剛性の状態の平均及び分散を出力することと、
    を含む、非一時的コンピューター可読メモリ。

Images