JPH06138018A - 路面状況計測装置 - Google Patents
路面状況計測装置Info
- Publication number
- JPH06138018A JPH06138018A JP4290182A JP29018292A JPH06138018A JP H06138018 A JPH06138018 A JP H06138018A JP 4290182 A JP4290182 A JP 4290182A JP 29018292 A JP29018292 A JP 29018292A JP H06138018 A JPH06138018 A JP H06138018A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- surface condition
- frequency spectrum
- frequency
- spectrum information
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】 本発明は、ニューラルネットワークをそなえ
た路面状況計測装置に関し、学習済のニューラルネット
ワークを使用することにより、ハンドルを切っていない
状態や、４輪駆動車においても、路面μの推定，さらに
は路面状況を推定できるようにすることを目的とする。 【構成】 車両の走行音を計測する走行音計測手段１
と、走行音計測手段１で計測された走行音について周波
数分析して対応する周波数スペクトル情報を出力する周
波数分析手段２とをそなえるとともに、周波数分析手段
２からの周波数スペクトル情報に基づいて、路面状況を
出力する路面状況計測手段３をそなえ、路面状況計測手
段３が、周波数分析手段からの周波数スペクトル情報を
入力値とし、対応する路面状況を教師データとして、学
習を行なうことにより、周波数分析手段からの周波数ス
ペクトル情報を入力すると、対応する路面状況が出力さ
れる学習済のニューラルネットワーク３−１をそなえる
ように構成する。
た路面状況計測装置に関し、学習済のニューラルネット
ワークを使用することにより、ハンドルを切っていない
状態や、４輪駆動車においても、路面μの推定，さらに
は路面状況を推定できるようにすることを目的とする。 【構成】 車両の走行音を計測する走行音計測手段１
と、走行音計測手段１で計測された走行音について周波
数分析して対応する周波数スペクトル情報を出力する周
波数分析手段２とをそなえるとともに、周波数分析手段
２からの周波数スペクトル情報に基づいて、路面状況を
出力する路面状況計測手段３をそなえ、路面状況計測手
段３が、周波数分析手段からの周波数スペクトル情報を
入力値とし、対応する路面状況を教師データとして、学
習を行なうことにより、周波数分析手段からの周波数ス
ペクトル情報を入力すると、対応する路面状況が出力さ
れる学習済のニューラルネットワーク３−１をそなえる
ように構成する。
Description
【０００１】
【産業上の利用分野】本発明は、ニューラルネットワー
クをそなえた路面状況計測装置に関する。
クをそなえた路面状況計測装置に関する。
【０００２】
【従来の技術】車両等における操縦安定制御（４輪操
舵，アンチロックブレーキシステム等）において、路面
摩擦係数μ（以下，単に路面μと記載する。）の推定を
行なうことができると、非常に有利である。現在の路面
μの推定方法は、パワステ（パワーステアリング）圧に
よる方法，横Ｇの発生を見る方法，前後車輪速差を見る
方法の３つがある。
舵，アンチロックブレーキシステム等）において、路面
摩擦係数μ（以下，単に路面μと記載する。）の推定を
行なうことができると、非常に有利である。現在の路面
μの推定方法は、パワステ（パワーステアリング）圧に
よる方法，横Ｇの発生を見る方法，前後車輪速差を見る
方法の３つがある。
【０００３】まず、パワステ圧による方法は、ハンドル
を切ったときのパワステ圧の上昇の様子を見てμを推定
する方法である。具体的には、パワステ圧が大きい場合
は、路面μが高いと判断し、パワステ圧が小さい場合
は、路面μが低いと判断するというものである。次に、
横Ｇの発生を見る方法は、路面μの高い場合において、
ハンドル角と車速により、発生する横Ｇを推定すること
ができることを利用した方法である。具体的には、この
予測された横Ｇの値と実際に発生した横Ｇとを比較し
て、一致したら路面μが高いと判断し、実際の横Ｇが小
さい場合は、路面μが低いと判断するというものであ
る。
を切ったときのパワステ圧の上昇の様子を見てμを推定
する方法である。具体的には、パワステ圧が大きい場合
は、路面μが高いと判断し、パワステ圧が小さい場合
は、路面μが低いと判断するというものである。次に、
横Ｇの発生を見る方法は、路面μの高い場合において、
ハンドル角と車速により、発生する横Ｇを推定すること
ができることを利用した方法である。具体的には、この
予測された横Ｇの値と実際に発生した横Ｇとを比較し
て、一致したら路面μが高いと判断し、実際の横Ｇが小
さい場合は、路面μが低いと判断するというものであ
る。
【０００４】また、前後車輪速差を見る方法は、駆動輪
と非駆動輪の車輪速を比較して路面μを推定する方法で
ある。具体的には、駆動輪の車輪速が非駆動輪の車輪速
よりも大きくなる場合は、路面μが低いと判断するとい
うものである。
と非駆動輪の車輪速を比較して路面μを推定する方法で
ある。具体的には、駆動輪の車輪速が非駆動輪の車輪速
よりも大きくなる場合は、路面μが低いと判断するとい
うものである。
【０００５】
【発明が解決しようとする課題】しかしながら、このよ
うな従来の路面μの測定方法では、例えばパワステ圧に
よる方法，横Ｇの発生を見る方法では、ハンドルを切っ
て走行している間、即ち旋回走行時しか路面μを推定す
ることができず、また、前後車輪速差を見る方法では、
４輪駆動車には適用できない上に、信頼性の高い路面μ
の推定が困難であるという課題がある。
うな従来の路面μの測定方法では、例えばパワステ圧に
よる方法，横Ｇの発生を見る方法では、ハンドルを切っ
て走行している間、即ち旋回走行時しか路面μを推定す
ることができず、また、前後車輪速差を見る方法では、
４輪駆動車には適用できない上に、信頼性の高い路面μ
の推定が困難であるという課題がある。
【０００６】本発明は、このような課題に鑑み創案され
たもので、学習済のニューラルネットワークを使用する
ことにより、ハンドルを切っていない状態や、４輪駆動
車においても、路面μの推定，さらには路面状況（砂利
道，アスファルト道等）を推定できるようにした、路面
状況計測装置を提供することを目的とする。
たもので、学習済のニューラルネットワークを使用する
ことにより、ハンドルを切っていない状態や、４輪駆動
車においても、路面μの推定，さらには路面状況（砂利
道，アスファルト道等）を推定できるようにした、路面
状況計測装置を提供することを目的とする。
【０００７】
【課題を解決するための手段】このため、本発明の路面
状況計測装置は、車両の走行音を計測する走行音計測手
段と、該走行音計測手段で計測された走行音について周
波数分析して対応する周波数スペクトル情報を出力する
周波数分析手段とをそなえるとともに、該周波数分析手
段からの周波数スペクトル情報に基づいて、路面状況を
出力する路面状況計測手段をそなえ、該路面状況計測手
段が、該周波数分析手段からの周波数スペクトル情報を
入力値とし、対応する路面状況を教師データとして、学
習を行なうことにより、該周波数分析手段からの周波数
スペクトル情報を入力すると、対応する路面状況が出力
されるように構成された、学習済のニューラルネットワ
ークをそなえていることを特徴としている。
状況計測装置は、車両の走行音を計測する走行音計測手
段と、該走行音計測手段で計測された走行音について周
波数分析して対応する周波数スペクトル情報を出力する
周波数分析手段とをそなえるとともに、該周波数分析手
段からの周波数スペクトル情報に基づいて、路面状況を
出力する路面状況計測手段をそなえ、該路面状況計測手
段が、該周波数分析手段からの周波数スペクトル情報を
入力値とし、対応する路面状況を教師データとして、学
習を行なうことにより、該周波数分析手段からの周波数
スペクトル情報を入力すると、対応する路面状況が出力
されるように構成された、学習済のニューラルネットワ
ークをそなえていることを特徴としている。
【０００８】
【作用】上述の本発明の路面状況計測装置では、車両の
走行音を走行音計測手段が計測し、この計測された走行
音について、周波数分析手段により周波数分析して周波
数スペクトル情報を出力し、この周波数スペクトル情報
に基づいて、学習済のニューラルネットワークをそなえ
た路面状況計測手段が対応する路面状況を出力する。
走行音を走行音計測手段が計測し、この計測された走行
音について、周波数分析手段により周波数分析して周波
数スペクトル情報を出力し、この周波数スペクトル情報
に基づいて、学習済のニューラルネットワークをそなえ
た路面状況計測手段が対応する路面状況を出力する。
【０００９】なお、該ニューラルネットワークの学習法
としては、該周波数分析手段からの周波数スペクトル情
報を入力値とし、対応する路面状況を教師データとし
て、対応する路面状況を出力されるように学習を行な
う。
としては、該周波数分析手段からの周波数スペクトル情
報を入力値とし、対応する路面状況を教師データとし
て、対応する路面状況を出力されるように学習を行な
う。
【００１０】
【実施例】以下、図面により、本発明の実施例について
説明する。 （ａ）第１実施例の説明 まず、本発明の第１実施例について説明すると、図１
は、本発明の第１実施例としての路面状況計測装置の全
体構成を示すブロック図であり、図２は、本発明の第１
実施例としての路面状況計測装置において、学習用デー
タの収集要領を説明するためのブロック図であり、図３
は本発明の第１実施例としての路面状況計測装置にて使
用されるニューラルネットワークの学習要領を説明する
ための図である。
説明する。 （ａ）第１実施例の説明 まず、本発明の第１実施例について説明すると、図１
は、本発明の第１実施例としての路面状況計測装置の全
体構成を示すブロック図であり、図２は、本発明の第１
実施例としての路面状況計測装置において、学習用デー
タの収集要領を説明するためのブロック図であり、図３
は本発明の第１実施例としての路面状況計測装置にて使
用されるニューラルネットワークの学習要領を説明する
ための図である。
【００１１】さて、本装置は車両等において利用されて
いる操縦安定制御システム（４輪操舵制御，アンチロッ
クブレーキシステム，トラクションコントロール，電子
制御サスペンション等）に使用される。ここで、操縦安
定制御システムとは、路面の状況，車両の挙動状態等に
対応して、運転者による運転操作に対しての車両の応答
が、効果的に動作するようにしたものであって、操縦性
を向上させるものである。本装置はこの操縦安定システ
ムの動作に先立つ路面μの推定を行なうものである。
いる操縦安定制御システム（４輪操舵制御，アンチロッ
クブレーキシステム，トラクションコントロール，電子
制御サスペンション等）に使用される。ここで、操縦安
定制御システムとは、路面の状況，車両の挙動状態等に
対応して、運転者による運転操作に対しての車両の応答
が、効果的に動作するようにしたものであって、操縦性
を向上させるものである。本装置はこの操縦安定システ
ムの動作に先立つ路面μの推定を行なうものである。
【００１２】さて、操縦安定制御システム等に適用され
る本発明の路面状況計測装置は、図１に示すように、集
音マイク（走行音計測手段）１とＦＦＴ（高速フーリエ
変換器，周波数分析手段）２と路面状況計測手段３と車
速センサ４とをそなえて構成されている。集音マイク１
は、ホイールハウス内に装着したものであって、タイヤ
の走行音を計測するものである。ＦＦＴ２は集音マイク
１から計測された走行音について高速フーリエ変換によ
り周波数分析を施し、周波数スペクトル情報を出力する
ものである。車速センサ４は車速を検出するものであ
る。
る本発明の路面状況計測装置は、図１に示すように、集
音マイク（走行音計測手段）１とＦＦＴ（高速フーリエ
変換器，周波数分析手段）２と路面状況計測手段３と車
速センサ４とをそなえて構成されている。集音マイク１
は、ホイールハウス内に装着したものであって、タイヤ
の走行音を計測するものである。ＦＦＴ２は集音マイク
１から計測された走行音について高速フーリエ変換によ
り周波数分析を施し、周波数スペクトル情報を出力する
ものである。車速センサ４は車速を検出するものであ
る。
【００１３】路面状況分析手段３は、ＦＦＴ２からの周
波数スペクトル情報に基づいて推定した路面μを出力す
るものであり、ニューラルネットワーク３−１をそなえ
ている。このニューラルネットワーク３−１は、学習を
行なうことによりＦＦＴ２からの周波数スペクトル情報
を入力すると、推定した路面μが出力するようになって
いるが、この学習を行なうに際しては、まず図２に示す
ように、ＦＦＴ２からの周波数スペクトル情報と、車速
センサ４からの車速情報と、走行する道路の既知の路面
μ（教師データ）とを、データ蓄積装置３−２に入力し
てデータを収集する。
波数スペクトル情報に基づいて推定した路面μを出力す
るものであり、ニューラルネットワーク３−１をそなえ
ている。このニューラルネットワーク３−１は、学習を
行なうことによりＦＦＴ２からの周波数スペクトル情報
を入力すると、推定した路面μが出力するようになって
いるが、この学習を行なうに際しては、まず図２に示す
ように、ＦＦＴ２からの周波数スペクトル情報と、車速
センサ４からの車速情報と、走行する道路の既知の路面
μ（教師データ）とを、データ蓄積装置３−２に入力し
てデータを収集する。
【００１４】このようにして周波数スペクトル情報と車
速情報と既知の路面μに関するデータとを入力したあと
は、図３に示すようにして、ニューラルネットワーク３
−１に学習させる。すなわち、ＦＦＴ２からの周波数ス
ペクトル情報と車速センサ４からの車速情報とを入力デ
ータとし、走行する道路における既知の路面μを教師デ
ータとして、ニューラルネットワーク３−１の出力と、
周波数スペクトルの波形パターン及び車速に対応した、
当該道路の路面μとの差（誤差）が０となるように学習
を行なう。なお、学習の仕方としては、例えばバックプ
ロパゲーション学習法によるアルゴリズムが使用され
る。
速情報と既知の路面μに関するデータとを入力したあと
は、図３に示すようにして、ニューラルネットワーク３
−１に学習させる。すなわち、ＦＦＴ２からの周波数ス
ペクトル情報と車速センサ４からの車速情報とを入力デ
ータとし、走行する道路における既知の路面μを教師デ
ータとして、ニューラルネットワーク３−１の出力と、
周波数スペクトルの波形パターン及び車速に対応した、
当該道路の路面μとの差（誤差）が０となるように学習
を行なう。なお、学習の仕方としては、例えばバックプ
ロパゲーション学習法によるアルゴリズムが使用され
る。
【００１５】上述の構成により、本発明の第１実施例と
しての路面状況計測装置は、以下に示すような動作を有
する。つまり、車両の走行音を集音マイク１が計測し、
この計測された走行音について、ＦＦＴ２で、高速フー
リエ変換による周波数分析を行ない、周波数スペクトル
情報として学習済ニューラルネットワーク３−１に出力
する一方で、車速センサ４からの車速情報についてもニ
ューラルネットワーク３−１に出力する。
しての路面状況計測装置は、以下に示すような動作を有
する。つまり、車両の走行音を集音マイク１が計測し、
この計測された走行音について、ＦＦＴ２で、高速フー
リエ変換による周波数分析を行ない、周波数スペクトル
情報として学習済ニューラルネットワーク３−１に出力
する一方で、車速センサ４からの車速情報についてもニ
ューラルネットワーク３−１に出力する。
【００１６】そして、学習済のニューラルネットワーク
３−１によって、周波数スペクトルの波形や車速情報に
対応した路面μを出力する。具体的には、μの値に従っ
て、μ＝０．０〜１．０の範囲で、０．２刻みで５段階
に分けて出力する。このように本実施例によれば、ニュ
ーラルネットワーク３−１をそなえた路面状況計測装置
により路面μを推定することにより、ハンドルを切らな
い状態においても路面μを推定することができ、さらに
４輪駆動車にも適用することができる。
３−１によって、周波数スペクトルの波形や車速情報に
対応した路面μを出力する。具体的には、μの値に従っ
て、μ＝０．０〜１．０の範囲で、０．２刻みで５段階
に分けて出力する。このように本実施例によれば、ニュ
ーラルネットワーク３−１をそなえた路面状況計測装置
により路面μを推定することにより、ハンドルを切らな
い状態においても路面μを推定することができ、さらに
４輪駆動車にも適用することができる。
【００１７】なお、上記のようにして推定されたμは、
上述の如く、操縦安定システムへ入力されて操縦安定制
御に使用される。 （ｂ）第２実施例の説明 また、以下に本発明の第２実施例について説明すると、
図４は、本発明の第２実施例としての路面状況計測装置
の全体構成を示すブロック図であり、図５は、本発明の
第２実施例としての路面状況計測装置において、学習用
データの収集要領を説明するためのブロック図であり、
図６は本発明の第２実施例としての路面状況計測装置に
て使用されるニューラルネットワークの学習要領を説明
するための図であり、図４〜６中、図１〜３と同じ符号
はほぼ同様の部分を示している。
上述の如く、操縦安定システムへ入力されて操縦安定制
御に使用される。 （ｂ）第２実施例の説明 また、以下に本発明の第２実施例について説明すると、
図４は、本発明の第２実施例としての路面状況計測装置
の全体構成を示すブロック図であり、図５は、本発明の
第２実施例としての路面状況計測装置において、学習用
データの収集要領を説明するためのブロック図であり、
図６は本発明の第２実施例としての路面状況計測装置に
て使用されるニューラルネットワークの学習要領を説明
するための図であり、図４〜６中、図１〜３と同じ符号
はほぼ同様の部分を示している。
【００１８】さて、この第２実施例にかかる本装置も車
両等において利用されている上記の操縦安定制御システ
ム（４輪操舵制御，アンチロックブレーキシステム，ト
ラクションコントロール，電子制御サスペンション等）
に使用されるものであるが、この第２実施例にかかる装
置は上記操縦安定システムの動作に先立つ路面状態（砂
利，アスファルト，圧雪，氷上，コンクリート）の判別
を行なうものである。
両等において利用されている上記の操縦安定制御システ
ム（４輪操舵制御，アンチロックブレーキシステム，ト
ラクションコントロール，電子制御サスペンション等）
に使用されるものであるが、この第２実施例にかかる装
置は上記操縦安定システムの動作に先立つ路面状態（砂
利，アスファルト，圧雪，氷上，コンクリート）の判別
を行なうものである。
【００１９】すなわち、操縦安定制御システム等に適用
される本発明の路面状況計測装置は、図４に示すよう
に、集音マイク（走行音計測手段）１とＦＦＴ（高速フ
ーリエ変換器，周波数分析手段）２と路面状況計測手段
３Ａと車速センサ４とをそなえて構成されている。集音
マイク１，ＦＦＴ２，車速センサ４は、第１実施例の場
合と同様のものであるため、説明は省略する。
される本発明の路面状況計測装置は、図４に示すよう
に、集音マイク（走行音計測手段）１とＦＦＴ（高速フ
ーリエ変換器，周波数分析手段）２と路面状況計測手段
３Ａと車速センサ４とをそなえて構成されている。集音
マイク１，ＦＦＴ２，車速センサ４は、第１実施例の場
合と同様のものであるため、説明は省略する。
【００２０】路面状況分析手段３Ａは、ＦＦＴ２からの
周波数スペクトル情報に基づいて判別した上記路面状態
を出力するものであり、ニューラルネットワーク３Ａ−
１をそなえている。このニューラルネットワーク３Ａ−
１は、学習を行なうことによりＦＦＴ２からの周波数ス
ペクトル情報を入力すると、推定した路面状態（砂利，
アスファルト，圧雪，氷上，コンクリート）が出力する
ようになっているが、この学習を行なうに際しては、ま
ず図５に示すように、ＦＦＴ２からの周波数スペクトル
情報と、車速センサ４からの車速情報と、走行する道路
の路面状態とを、データ蓄積装置３−２に入力してデー
タを収集する。
周波数スペクトル情報に基づいて判別した上記路面状態
を出力するものであり、ニューラルネットワーク３Ａ−
１をそなえている。このニューラルネットワーク３Ａ−
１は、学習を行なうことによりＦＦＴ２からの周波数ス
ペクトル情報を入力すると、推定した路面状態（砂利，
アスファルト，圧雪，氷上，コンクリート）が出力する
ようになっているが、この学習を行なうに際しては、ま
ず図５に示すように、ＦＦＴ２からの周波数スペクトル
情報と、車速センサ４からの車速情報と、走行する道路
の路面状態とを、データ蓄積装置３−２に入力してデー
タを収集する。
【００２１】このようにして路面状態固有の周波数スペ
クトル情報と車速情報と路面状態に関するデータとを入
力したあとは、図６に示すようにして、ニューラルネッ
トワーク３Ａ−１に学習させる。すなわち、ＦＦＴ２か
らの周波数スペクトル情報と車速センサ４からの車速情
報とを入力データとし、走行する道路の路面状態（砂
利，アスファルト，圧雪，氷上，コンクリート）を教師
データとして、ニューラルネットワーク３Ａ−１の出力
と、周波数スペクトルの波形パターン及び車速に対応し
た、当該道路の路面μとの差（誤差）が０となるように
学習を行なう。なお、この場合の学習の仕方としても、
例えばバックプロパゲーション学習法によるアルゴリズ
ムが使用される。
クトル情報と車速情報と路面状態に関するデータとを入
力したあとは、図６に示すようにして、ニューラルネッ
トワーク３Ａ−１に学習させる。すなわち、ＦＦＴ２か
らの周波数スペクトル情報と車速センサ４からの車速情
報とを入力データとし、走行する道路の路面状態（砂
利，アスファルト，圧雪，氷上，コンクリート）を教師
データとして、ニューラルネットワーク３Ａ−１の出力
と、周波数スペクトルの波形パターン及び車速に対応し
た、当該道路の路面μとの差（誤差）が０となるように
学習を行なう。なお、この場合の学習の仕方としても、
例えばバックプロパゲーション学習法によるアルゴリズ
ムが使用される。
【００２２】上述の構成により、本発明の第２実施例と
しての路面状況計測装置は、以下に示すような動作を有
する。つまり、車両の走行音を集音マイク１が計測し、
この計測された走行音について、ＦＦＴ２により周波数
分析して周波数スペクトル情報を学習済ニューラルネッ
トワーク３Ａ−１に出力する一方で、車速センサ４から
の車速情報についてもニューラルネットワーク３Ａ−１
に出力されている。
しての路面状況計測装置は、以下に示すような動作を有
する。つまり、車両の走行音を集音マイク１が計測し、
この計測された走行音について、ＦＦＴ２により周波数
分析して周波数スペクトル情報を学習済ニューラルネッ
トワーク３Ａ−１に出力する一方で、車速センサ４から
の車速情報についてもニューラルネットワーク３Ａ−１
に出力されている。
【００２３】そして、学習済のニューラルネットワーク
３Ａ−１によって、路面状態固有の周波数スペクトルの
波形や、車速情報に対応した、いずれかの路面状態（砂
利，アスファルト，圧雪，氷上，コンクリートのうちの
１つ）を出力する。このように本実施例によれば、学習
済のニューラルネットワーク３Ａ−１を使用した路面状
況計測装置により路面状態を判断することにより、タイ
ヤの種類にかかわらず路面状態を判別でき、さらに本実
施例のようにハードウェアを簡易なもので実現できる利
点がある。
３Ａ−１によって、路面状態固有の周波数スペクトルの
波形や、車速情報に対応した、いずれかの路面状態（砂
利，アスファルト，圧雪，氷上，コンクリートのうちの
１つ）を出力する。このように本実施例によれば、学習
済のニューラルネットワーク３Ａ−１を使用した路面状
況計測装置により路面状態を判断することにより、タイ
ヤの種類にかかわらず路面状態を判別でき、さらに本実
施例のようにハードウェアを簡易なもので実現できる利
点がある。
【００２４】なお、上記のようにして推定されたμも、
上述の如く、操縦安定システムへ入力されて操縦安定制
御に使用される。 （ｃ）その他 上述の実施例における路面状況計測装置では、路面μを
測定する路面状況計測装置と路面状態（砂利，アスファ
ルト，圧雪，氷上，コンクリート）を判別する路面状況
計測装置の例を示したが、この２つの路面状況計測装置
を組み合わせることにより、路面状態の判別と、路面μ
の推定を同時に出力することができる。
上述の如く、操縦安定システムへ入力されて操縦安定制
御に使用される。 （ｃ）その他 上述の実施例における路面状況計測装置では、路面μを
測定する路面状況計測装置と路面状態（砂利，アスファ
ルト，圧雪，氷上，コンクリート）を判別する路面状況
計測装置の例を示したが、この２つの路面状況計測装置
を組み合わせることにより、路面状態の判別と、路面μ
の推定を同時に出力することができる。
【００２５】
【発明の効果】以上詳述したように、本発明の路面状況
計測装置によれば、車両の走行音を計測する走行音計測
手段と、該走行音計測手段で計測された走行音について
周波数分析して対応する周波数スペクトル情報を出力す
る周波数分析手段とをそなえるとともに、該周波数分析
手段からの周波数スペクトル情報に基づいて、路面状況
を出力する路面状況計測手段をそなえ、該路面状況計測
手段が、該周波数分析手段からの周波数スペクトル情報
を入力値とし、対応する路面状況を教師データとして、
学習を行なうことにより、該周波数分析手段からの周波
数スペクトル情報を入力すると、対応する路面状況が出
力されるように構成された、学習済のニューラルネット
ワークをそなえていることにより、４輪駆動車において
も、またハンドル角がどのような角度であっても、路面
摩擦係数μを推定することができ、さらにはタイヤの種
類にかかわらず路面状態（砂利，アスファルト，圧雪，
氷上，コンクリート）を判別でき、且つハードウェアが
簡易なもので実現できる利点がある。
計測装置によれば、車両の走行音を計測する走行音計測
手段と、該走行音計測手段で計測された走行音について
周波数分析して対応する周波数スペクトル情報を出力す
る周波数分析手段とをそなえるとともに、該周波数分析
手段からの周波数スペクトル情報に基づいて、路面状況
を出力する路面状況計測手段をそなえ、該路面状況計測
手段が、該周波数分析手段からの周波数スペクトル情報
を入力値とし、対応する路面状況を教師データとして、
学習を行なうことにより、該周波数分析手段からの周波
数スペクトル情報を入力すると、対応する路面状況が出
力されるように構成された、学習済のニューラルネット
ワークをそなえていることにより、４輪駆動車において
も、またハンドル角がどのような角度であっても、路面
摩擦係数μを推定することができ、さらにはタイヤの種
類にかかわらず路面状態（砂利，アスファルト，圧雪，
氷上，コンクリート）を判別でき、且つハードウェアが
簡易なもので実現できる利点がある。
【図１】本発明の第１実施例としての路面状況計測装置
の全体構成を示すブロック図である。
の全体構成を示すブロック図である。
【図２】本発明の第１実施例としての路面状況計測装置
において、学習用データの収集要領を説明するためのブ
ロック図である。
において、学習用データの収集要領を説明するためのブ
ロック図である。
【図３】本発明の第１実施例としての路面状況計測装置
にて使用されるニューラルネットワークの学習要領を説
明するための図である。
にて使用されるニューラルネットワークの学習要領を説
明するための図である。
【図４】本発明の第２実施例としての路面状況計測装置
の全体構成を示すブロック図である。
の全体構成を示すブロック図である。
【図５】本発明の第２実施例としての路面状況計測装置
において、学習用データの収集要領を説明するためのブ
ロック図である。
において、学習用データの収集要領を説明するためのブ
ロック図である。
【図６】本発明の第２実施例としての路面状況計測装置
にて使用されるニューラルネットワークの学習要領を説
明するための図である。
にて使用されるニューラルネットワークの学習要領を説
明するための図である。
１ 集音マイク（走行音計測手段） ２ ＦＦＴ（周波数分析手段） ３，３Ａ 路面状況計測手段 ３−１，３Ａ−１ ニューラルネットワーク ３−２，３Ａ−２ データ蓄積装置 ４ 車速センサ
Claims (1)
- 【請求項１】 車両の走行音を計測する走行音計測手段
と、 該走行音計測手段で計測された走行音について周波数分
析して対応する周波数スペクトル情報を出力する周波数
分析手段とをそなえるとともに、 該周波数分析手段からの周波数スペクトル情報に基づい
て、路面状況を出力する路面状況計測手段をそなえ、 該路面状況計測手段が、 該周波数分析手段からの周波数スペクトル情報を入力値
とし、対応する路面状況を教師データとして、学習を行
なうことにより、該周波数分析手段からの周波数スペク
トル情報を入力すると、対応する路面状況が出力される
ように構成された、学習済のニューラルネットワークを
そなえていることを特徴とする、路面状況計測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4290182A JPH06138018A (ja) | 1992-10-28 | 1992-10-28 | 路面状況計測装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4290182A JPH06138018A (ja) | 1992-10-28 | 1992-10-28 | 路面状況計測装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06138018A true JPH06138018A (ja) | 1994-05-20 |
Family
ID=17752816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4290182A Pending JPH06138018A (ja) | 1992-10-28 | 1992-10-28 | 路面状況計測装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06138018A (ja) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08138189A (ja) * | 1994-11-04 | 1996-05-31 | Honda Motor Co Ltd | 路面状態検出装置 |
| US5586028A (en) * | 1993-12-07 | 1996-12-17 | Honda Giken Kogyo Kabushiki Kaisha | Road surface condition-detecting system and anti-lock brake system employing same |
| JPH0962980A (ja) * | 1995-08-24 | 1997-03-07 | Honda Motor Co Ltd | 車載通信装置 |
| JP2007091104A (ja) * | 2005-09-29 | 2007-04-12 | Fuji Heavy Ind Ltd | 車両挙動推定予測装置および車両安定化制御システム |
| JP2008143508A (ja) * | 2006-11-14 | 2008-06-26 | Yuki Center | 路面状況判定方法及びその装置 |
| JP2012503192A (ja) * | 2008-09-19 | 2012-02-02 | アールト・ユニバーシティ・ファウンデイション | 摩擦見積り方法 |
| CN104554273A (zh) * | 2014-12-23 | 2015-04-29 | 上海语知义信息技术有限公司 | 通过噪音识别路面信息的系统及方法 |
| JP2018123510A (ja) * | 2017-01-31 | 2018-08-09 | 鹿島道路株式会社 | 路面評価システム及び評価方法 |
| CN110431060A (zh) * | 2017-03-24 | 2019-11-08 | 米其林集团总公司 | 用于路面状况和车辆行为的实时评估的方法和系统 |
| JP2020163924A (ja) * | 2019-03-28 | 2020-10-08 | 本田技研工業株式会社 | 車両制御装置、端末装置、サーバ装置、車両、車両制御システム及び車両制御方法 |
| JPWO2020250332A1 (ja) * | 2019-06-12 | 2020-12-17 | ||
| WO2021210229A1 (ja) * | 2020-04-14 | 2021-10-21 | Ｋｙｂ株式会社 | 学習済みモデル生成方法および路面性状判定装置 |
| US11370444B2 (en) | 2019-03-28 | 2022-06-28 | Honda Motor Co., Ltd. | Vehicle control device, terminal device and vehicle control system |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02287860A (ja) * | 1989-04-28 | 1990-11-27 | Omron Corp | 情報処理装置 |
-
1992
- 1992-10-28 JP JP4290182A patent/JPH06138018A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02287860A (ja) * | 1989-04-28 | 1990-11-27 | Omron Corp | 情報処理装置 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5586028A (en) * | 1993-12-07 | 1996-12-17 | Honda Giken Kogyo Kabushiki Kaisha | Road surface condition-detecting system and anti-lock brake system employing same |
| JPH08138189A (ja) * | 1994-11-04 | 1996-05-31 | Honda Motor Co Ltd | 路面状態検出装置 |
| JPH0962980A (ja) * | 1995-08-24 | 1997-03-07 | Honda Motor Co Ltd | 車載通信装置 |
| JP2007091104A (ja) * | 2005-09-29 | 2007-04-12 | Fuji Heavy Ind Ltd | 車両挙動推定予測装置および車両安定化制御システム |
| JP4510739B2 (ja) * | 2005-09-29 | 2010-07-28 | 富士重工業株式会社 | 車両挙動推定予測装置および車両安定化制御システム |
| JP2008143508A (ja) * | 2006-11-14 | 2008-06-26 | Yuki Center | 路面状況判定方法及びその装置 |
| JP2012503192A (ja) * | 2008-09-19 | 2012-02-02 | アールト・ユニバーシティ・ファウンデイション | 摩擦見積り方法 |
| US8666562B2 (en) | 2008-09-19 | 2014-03-04 | Aalto University Foundation | Friction estimation method |
| CN104554273A (zh) * | 2014-12-23 | 2015-04-29 | 上海语知义信息技术有限公司 | 通过噪音识别路面信息的系统及方法 |
| JP2018123510A (ja) * | 2017-01-31 | 2018-08-09 | 鹿島道路株式会社 | 路面評価システム及び評価方法 |
| CN110431060A (zh) * | 2017-03-24 | 2019-11-08 | 米其林集团总公司 | 用于路面状况和车辆行为的实时评估的方法和系统 |
| CN110431060B (zh) * | 2017-03-24 | 2023-02-03 | 米其林集团总公司 | 用于路面状况和车辆行为的实时评估的方法和系统 |
| JP2020163924A (ja) * | 2019-03-28 | 2020-10-08 | 本田技研工業株式会社 | 車両制御装置、端末装置、サーバ装置、車両、車両制御システム及び車両制御方法 |
| US11370444B2 (en) | 2019-03-28 | 2022-06-28 | Honda Motor Co., Ltd. | Vehicle control device, terminal device and vehicle control system |
| JPWO2020250332A1 (ja) * | 2019-06-12 | 2020-12-17 | ||
| WO2021210229A1 (ja) * | 2020-04-14 | 2021-10-21 | Ｋｙｂ株式会社 | 学習済みモデル生成方法および路面性状判定装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Selmanaj et al. | Vehicle sideslip estimation: A kinematic based approach | |
| JP5035418B2 (ja) | 路面摩擦係数推定装置及び路面摩擦係数推定方法 | |
| JP4331881B2 (ja) | 路面状態推定装置 | |
| CN106004994A (zh) | 基于eps和车辆模型的表面摩擦系数的连续估算 | |
| JPH06138018A (ja) | 路面状況計測装置 | |
| JP4617371B2 (ja) | タイヤ空気圧低下検出装置および方法、ならびにタイヤの空気圧低下検出プログラム | |
| Singh et al. | Enhancement of collision mitigation braking system performance through real-time estimation of tire-road friction coefficient by means of smart tires | |
| CN108791276B (zh) | 一种轮胎侧向力线性/非线性工作状态快速判断方法 | |
| US20050038588A1 (en) | Vehicle driving force control method | |
| Dogan et al. | Smart traction control systems for electric vehicles using acoustic road-type estimation | |
| CN116653977A (zh) | 基于智能轮胎多传感器信息融合的四轮驱动汽车路面附着系数估计方法及装置 | |
| CN111006884B (zh) | 基于傅立叶变换的车轮车轴侧偏角与侧偏刚度的测量方法 | |
| JP3617309B2 (ja) | 路面摩擦係数推定装置 | |
| JP2002160511A (ja) | タイヤ空気圧推定装置 | |
| JP3339978B2 (ja) | ハイドロプレーニング現象発生速度推定方法およびハイドロプレーニング現象発生領域検知方法 | |
| Umeno | Estimation of tire-road friction by tire rotational vibration model | |
| JP3549119B2 (ja) | ブレーキペダル反力発生装置 | |
| KR20180096235A (ko) | 차량용 도로 상태 추정 시스템 및 그 방법 | |
| JP3319407B2 (ja) | 路面状態推定装置 | |
| JP4390864B2 (ja) | 車両の少なくとも１つの走行動特性変数の制御方法および装置 | |
| EP4323250A1 (en) | Method for in-motion friction estimation based on steering pulses, computer program, computer readable medium, control device and vehicle | |
| Zengin et al. | Slip ratio optimization in vehicle safety control systems using least-squares based adaptive extremum seeking | |
| JP4027585B2 (ja) | 物理量推定装置及び路面摩擦状態推定装置 | |
| JP3039225B2 (ja) | 車体横すべり角推定装置 | |
| JPH10181565A (ja) | 路面状態判別装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19980922 |