KR20210040212A

KR20210040212A - 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법

Info

Publication number: KR20210040212A
Application number: KR1020190122275A
Authority: KR
Inventors: 이호종; 김민태; 타헤리 사이드
Original assignee: 한국타이어앤테크놀로지 주식회사
Priority date: 2019-10-02
Filing date: 2019-10-02
Publication date: 2021-04-13
Also published as: CN112590795A; JP7096871B2; KR102267901B1; EP3800100A1; JP2021060401A; US20210101603A1; EP3800100B1

Abstract

본 발명은 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법에 관한 것으로, 보다 상세하게는 날씨 등의 외부 환경 변화에도 노면의 상태를 정확하게 추정하기 위한 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법에 관한 것이다. 상기와 같은 목적을 달성하기 위한 본 발명의 구성은 타이어에 장착되는 센서모듈; 상기 센서모듈에 의해 측정된 센싱정보를 수신하는 리시버모듈; 상기 리시버모듈에 의해 수신된 센싱정보를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 프로세싱모듈; 및 상기 프로세싱모듈에 의해 추출된 상기 파라미터를 이용하여 노면의 상태를 추정하는 추정모듈을 포함하며, 상기 센싱정보는 타이어의 가속도를 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치를 제공한다.

Description

노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법{ROAD SURFACE CONDITION ESTIMATION APPARATUS AND ROAD SURFACE CONDITION ESTIMATION METHOD USING THE SAME}

본 발명은 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법에 관한 것으로, 보다 상세하게는 날씨 등의 외부 환경 변화에도 노면의 상태를 정확하게 추정하기 위한 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법에 관한 것이다.

타이어는 차량 부품중 노면과 접촉하는 유일한 요소이며 차량의 선회력, 구동력, 제동력을 발생시켜서 차량의 주행을 가능하게 하기 때문에 차량의 주행 성능 및 안전성 관련하여 매우 중요한 역할을 한다.

타이어와 노면 사이에서 발생하는 구동력, 제동력 및 선회력은 타이어의 특성과 더불어 노면 종류 및 상태에 상당한 영향을 받는다.

따라서 차량에서 실시간 노면 상태를 추정하여 차량의 ECU에 정보를 제공할 수 있으면 ABS, ADAS 등 차량 제어의 성능 향상을 기대할 수 있다.

또한 이러한 정보는 차량 대쉬 보드 등을 통해 운전자에게 주의를 주고 각 노면에 적절한 운전을 유도할 수 있다. 예를 들면, 젖은 노면 감지 시, 운전자는 수막 현상등을 피하기 위해 차량 속도를 줄일 것이다.

이러한 노면 추정 방법으로 차량에 장착된 카메라 등을 이용하여 노면을 촬영하고 이미지 프로세싱을 이용하여 노면을 추정하는 방법이 있다. 하지만 젖은 노면이나 눈길에서는 카메라의 렌즈가 오염되어 이미지의 해상력이 저하될 수 있으며, 어두운 밤에서는 광학적 노면 인식이 어려울 수 있다.

또한 부가적인 카메라 장착은 차량 비용 상승 및 차량 온보드 센서 네트웍의 복잡성을 가져올 수 있다.

노면의 상태 추정은 차량 동역학 모델 및 온보드 센서로 측정되는 차량의 주행 상태 정보로부터 간접적으로 추정될 수도 있으며, 이러한 추정 방법은 차량 제어를 위해 널리 사용중이다. 하지만, 이러한 방법은 간접 추정 과정에서 오차가 누적될 수 있으며 노면과 타이어 사이에 어느 정도 이상의 슬립이 발생해야지만 추정이 가능하다는 단점이 있다.

미국등록특허 제9170102호는, 타이어 내부에 부착된 가속도 센서에서 측정된 가속도 파형의 특성을 이용하여 다양한 노면 상태를 분류해 내고 있다. 이 발명은 눈길, 빗길, 마른노면, 빙상 등을 구분하는 방법 및 디바이스에 대해 제안하고 있으며, 눈길의 상태도 compacted snow, deeply sherbet like snow, shallowly shebert like snow 등으로 세밀하게 분석 가능하다.

하지만 미국등록특허 제9170102호는 노면 위에 어떤 물질의 덮임 여부를 판단하기 위해, 예를 들면 젖은 노면과 마른 노면을 구분하기 위해, 노면의 온도와 타이어에서 발생하는 노이즈를 추가적으로 계측해야 한다.

이들 노면 온도 센서 및 사운드 레코딩 센서는 차량에 추가 장착되며 센서 네트웍의 복잡성과 센서 비용 증가의 요인이 된다. 또한 특허에서 실시 예로써 제시한 추정 결과의 정확도는 wet, icy, sherbert 등의 노면 상태에서 57~86% 정도로 높지 않다. 노면 추정 결과가 차량 제어 등에 유효하게 사용되기 위해서는 90% 이상 정도의 정확도가 요구된다.

미국공개특허 제2018-0222458호는 다양한 주행 속도에서 타이어의 가속도 센서의 접지 영역을 추출할 수 있는 방법을 제시하고 있다. 타이어 내부에서 계측된 가속도 센서는 주행 속도에 의해 영향을 받기 때문에, 특정 속도에서 접지 영역을 분리하는 알고리즘은 다른 주행 속도에서 효과적으로 접지 영역을 추출하기 어렵다. 따라서 속도 효과를 포함한 접지 영역 분리 알고리즘이 제안되었으며, 이렇게 분리된 접지 영역의 가속도 시그널의 진동 에너지를 이용하여 마찰계수가 높은 노면과 낮은 노면을 분리하고 있다.

하지만 이러한 방법은 타이어 접지 영역과 더불어 접지 전후의 진동 특성이 노면 추정 알고리즘에 포함되어 있지 않아 정확한 추정이 불가능하다. 또한 단순히 아스팔트 노면과 낮은 마찰계수의 노면 분리만 하면 상세한 노면 정보를 ECU에 제공할 수 없다.

따라서, 보다 정확하게 노면 상태를 추정할 수 있는 기술이 필요하다.

미국등록특허 제9170102호

상기와 같은 문제를 해결하기 위한 본 발명의 목적은 날씨 등의 외부 환경 변화에도 노면의 상태를 정확하게 추정하기 위한 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법을 제공하는 것이다.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성은 타이어에 장착되는 센서모듈; 상기 센서모듈에 의해 측정된 센싱정보를 수신하는 리시버모듈; 상기 리시버모듈에 의해 수신된 센싱정보를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 프로세싱모듈; 및 상기 프로세싱모듈에 의해 추출된 상기 파라미터를 이용하여 노면의 상태를 추정하는 추정모듈을 포함하며, 상기 센싱정보는 타이어의 가속도를 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치를 제공한다.

본 발명의 실시예에 있어서, 상기 센서모듈은 상기 타이어의 내부 표면의 트레드부 중앙에 형성되는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 센서모듈은, 상기 타이어의 원주 방향, 횡방향 및 종방향의 가속도를 측정하도록 마련된 가속도센서; 및 상기 타이어의 내부 압력을 측정하도록 마련된 압력센서를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 프로세싱모듈은, 가속도 파형 그래프를 통해 가속도 진동 특성을 분석하여 상기 파라미터를 추출하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 프로세싱모듈은, 상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하고, 상기 접지 영역에 대한 주파수 분석을 통해 파라미터를 추출하도록 마련된 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 프로세싱모듈은, 상기 가속도 파형 그래프에서, 종방향 가속도 그래프의 미분치의 최소값과 최대값 사이를 접지 영역으로 추출하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 프로세싱모듈은, 상기 가속도 파형 그래프에서, 원주 방향 가속도 그래프의 최소값과 최대값 사이를 접지 영역으로 추출하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 프로세싱모듈은, 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하고, 상기 관심 주파수 영역 내에서 계산된 시그널 에너지를 머신러닝에 입력되는 상기 파라미터로 결정하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 시그널 에너지는 아래 식에 의해 계산되는 것을 특징으로 할 수 있다.

(y는 시그널 에너지, f1은 관심 주파수 영역 시작점, f2는 관심 주파수 영역 종료점, X(f)는 관심 주파수 영역 내에서의 에너지 스펙트럼 밀도)

본 발명의 실시예에 있어서, 상기 시그널에너지는, 상기 타이어의 원주 방향 가속도 그래프 및 종방향 가속도 그래프에서 각각 추출된 상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산되며, 계산된 값은 상기 머신러닝에 입력되는 파라미터에 포함되는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 고주파 영역은 주파수 대역이 1.5kHz 내지 4.5kHz인 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 관심 주파수 영역은 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 각 노면 간 차이를 분별할 수 있는 것으로 판단된 영역인 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 추정모듈은, 상기 프로세싱모듈에 의해 추출된 복수의 상기 파라미터에, 타이어 공기압, 타이어 지지 하중, 주행 속도를 더 포함하여 노면 상태를 추정하도록 마련된 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 추정모듈로부터 추정된 노면 상태를 사용자에게 보여주도록 마련된 디스플레이모듈을 더 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 추정모듈로부터 추정된 노면 상태를 제공받도록 마련된 ECU모듈을 더 포함하며, 상기 ECU모듈은 상기 노면 상태에 따라 차량을 제어하도록 마련된 것을 특징으로 할 수 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성은 타이어의 노면 상태 추정 장치를 이용한 노면 상태 추정 방법에 있어서, a) 상기 타이어의 가속도를 측정하는 단계; b) 측정된 상기 가속도를 상기 프로세싱모듈에 제공하는 단계; c) 제공된 상기 가속도를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 단계; 및 d) 추출된 상기 파라미터를 이용하여 노면 상태를 추정하는 단계를 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치를 이용한 노면 상태 추정 방법을 제공한다.

본 발명의 실시예에 있어서, 상기 c) 단계는, c1) 타이어가 1회전하는 동안의 가속도 파형 그래프를 얻는 단계; c2) 상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하는 단계; c3) 상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하는 단계; c4) 선택된 상기 관심 주파수 영역 내에서의 시그널 에너지를 계산하는 단계; 및 c5) 계산된 상기 시그널 에너지를 파라미터로 추출하는 단계를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 d) 단계 이후에는, 추정된 상기 노면 상태를 사용자에게 디스플레이하고, 상기 노면 상태에 대응하여 차량을 제어하는 단계를 더 포함하는 것을 특징으로 할 수 있다.

상기와 같은 구성에 따르는 본 발명의 효과는, 운전자에게 빗길, 눈길 등을 경고하여 이에 대비하는 운전을 가능하게 할 수 있다.

ABS 제동의 경우 현재 방법은 초기 제동 시, 휠 슬립의 발생 빠르기 및 발생 정도를 기반으로 노면의 마찰계수를 추정하여 적정 slip ratio를 결정한다. 그러나, 이러한 과정을 통해 적정 slip ratio를 추정하는데 약간의 시간 지연이 발생하며 이는 제동거리의 증가를 가져온다. 그러나, 본 발명은 ECU에 노면 종류를 제공하면 ABS 알고리즘의 초기 추정을 단축할 수 있으며, 약5% 정도의 제동거리 감축이 가능하다.

또한, 각 차량이 텔레메틱스로 연결되어 있으면 선행 차량의 정보를 공유하여 노면 상태에 대해 미리 인지하고 방어 운전이 가능하다. 또한 차량들과 도로 교통 공사 등의 관련 기관들이 연결되어 있으면 기관에서는 도로 상태 맵등을 실시간으로 제공할 수 있다.

또한, 자율 주행 차량에 대해서도 노면 상태를 미리 알고 있으면 스트어링, 제동, 브레이킹의 입력에 대해 적절한 입력을 결정하여 피드백 컨트롤의 피드백 과정을 최소화하여 안정성을 증대할 수 있다

또한, 본 발명은 타이어 내부에 센서를 부착하여 주행중인 타이어의 동역학적 특성을 측정하고, 측정된 파형의 특성 분석을 통하여 노면의 상태를 추정한다. 이에 따라 본 발명은 타이어와 노면 사이의 슬립이 발생하지 않는 정상 상태 주행 상태에서도 노면 추정이 가능하며, 타이어 내부의 센싱 값을 직접적으로 이용하기 때문에 기존 간접 추정 방식의 오차 누적을 최소화하고 추정 정확도를 향상시킬 수 있다.

또한, 본 발명은 측정되는 가속도 시그널은 타이어 접지 및 접지 전후로 나누어져서 특성이 추출되어 머신러닝 기법의 입력 파라미터로 사용되며, 타이어 내부에 부착된 가속도 센서의 계측값만을 이용하여 정확하게 다양한 노면 종류을 추정할 수 있다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 본 발명의 일실시예에 따른 노면 상태 추정 장치의 구성 예시도이다.
도 2는 본 발명의 일실시예에 따른 센서모듈의 장착 위치를 나타낸 예시도이다.
도 3은 본 발명의 일실시예에 따른 타이어의 1회전에 따른 접지 위치를 나타낸 예시도 및 가속도 파형 그래프이다.
도 4는 본 발명의 일실시예에 따른 노면 상태에 따른 원주방향 가속도 그래프이다.
도 5는 본 발명의 일실시예에 따른 종방향 가속도 그래프의 접지 영역을 나타낸 예시도이다.
도 6은 본 발명의 일실시예에 따른 주파수 분석 방법을 나타낸 그래프이다.
도 7은 본 발명의 일실시예에 따른 관심 주파수 영역 및 시그널 에너지를 나타낸 그래프이다.
도 8은 본 발명의 일실시예에 따른 추정모듈의 신경망 모델 구조를 나타낸 예시도이다.
도 9는 본 발명의 일실시예에 따른 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법의 순서도이다.
도 10은 본 발명의 일실시예에 따른 파라미터를 추출하는 단계의 순서도이다.

이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.

도 1은 본 발명의 일실시예에 따른 노면 상태 추정 장치의 구성 예시도이다.

도 1에 도시된 것처럼, 타이어의 노면 상태 추정 장치(100)는 센서모듈(110), 리시버모듈(120), 프로세싱모듈(130), 추정모듈(140), 디스플레이모듈(150) 및 ECU모듈(160)을 포함한다.

도 2는 본 발명의 일실시예에 따른 센서모듈의 장착 위치를 나타낸 예시도이다.

도 2를더 참조하면, 상기 센서모듈(110)은 타이어의 내부에 장착된 TMS(Tire mounted sensor)일 수 있다. 상기 센서모듈(110)은 타이어의 내부 표면에 직접 장착되기 때문에 가속도를 측정하여 주행 중인 타이어의 변형 및 진동 정보를 취득할 수 있다.

특히, 상기 센서모듈(110)은 내부 표면의 트레드부(10) 중앙에 형성되며, 가속도센서(111) 및 압력센서(112)를 포함할 수 있다.

상기 가속도센서(111)는 상기 타이어의 원주 방향, 횡방향 및 종방향의 가속도 총 3축에 대한 가속도를 측정하도록 마련될 수 있다.

그리고, 상기 압력센서(112)는 상기 타이어의 내부 압력을 측정하도록 마련될 수 있다.

이처럼 마련된 상기 센서모듈(110)은 타이어의 변형 및 진동에 대한 센싱정보를 측정할 수 있다.

또한, 상기 센서모듈(110)은 트레드부(10) 중앙에 형성되어 휠 슬립 앵글이나 캠버 앵글이 가속도 측정에 가하는 영향을 최소화할 수도 있다.

상기 리시버모듈(120)은 상기 센서모듈(110)에 의해 측정된 센싱정보를 수신하도록 마련될 수 있다.

구체적으로, 상기 센서모듈(110)은 측정된 가속도와 타이어 내부 압력을 송신기에서 무선으로 송신하며 이는 차량 시스템 내부에 위치한 리시버모듈(120)에서 수신된다.

여기서, 무선 송신 방식은 RF, BLE 등의 방식이 채용될 수 있다.

상기 리시버모듈(120)에 수신된 가속도 시그널은 타이어의 진동 및 변형 관련된 정보를 갖고 있으며 이러한 정보는 노면의 종류에 따라 타이어 특성이 달라진다.

상기 프로세싱모듈(130)은 상기 리시버모듈(120)에 의해 수신된 상기 센싱정보를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하도록 마련될 수 있다.

여기서, 상기 파라미터는 마른 노면, 젖은 노면, 얼음 길, 눈 길 등에서 측정된 가속도 진동 특성에 대한 분석을 바탕으로 노면 추정 모델에 사용되는 변수를 지칭할 수 있다.

상기 프로세싱모듈(130)은, 상기 센서모듈(110)에서 측정된 3축의 가속도에 대한 가속도 파형 그래프를 통해 가속도 진동 특성을 분석하여 상기 파라미터를 추출하도록 마련될 수 있다. 여기서, 가속도 파형 그래프는 상기 3축 각각에 대한 시간에 따른 가속도의 변화를 나타낸 그래프이다.

도 3은 본 발명의 일실시예에 따른 타이어의 1회전에 따른 접지 위치를 나타낸 예시도 및 가속도 파형 그래프이다.

도 3을 참조하면, 상기 프로세싱모듈(130)은, 상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하고, 상기 접지 영역에 대한 주파수 분석을 통해 파라미터를 추출할 수 있다.

도 3에 도시된 바와 같이, 타이어가 접지되기 시작하는 지점인 b점과, 접지중인 c점, 접지가 끝나는 d점에서 가속도의 변화가 급격하게 이루어지는 것을 확인할 수 있다.

구체적으로, 가속도 파형은 접지영역 b~d에서 타이어 형상의 불연속성 때문에 최대값 또는 최소값을 갖는다. 그리고, z 방향의 가속도 경우, 접지 내에서는 가속도가 거의 0으로 수렴되고 접지 외에서는 타이어의 원심력 가속도에 해당하는 값을 갖는다.

따라서, 상기 프로세싱모듈(130)은, 상기 가속도 파형 그래프에서, 종방향 가속도 그래프의 미분치의 최소값과 최대값 사이를 접지 영역으로 추출할 수 있다.

또한, 상기 프로세싱모듈(130)은, 상기 가속도 파형 그래프에서, 원주 방향 가속도 그래프의 최소값과 최대값 사이를 접지 영역으로 추출할 수 있다.

이처럼, 상기 프로세싱모듈(130)은 상기 타이어의 접지 영역을 상기 가속도 파형 그래프에서 도출하도록 마련될 수 있다.

도 4는 본 발명의 일실시예에 따른 노면 상태에 따른 원주방향 가속도 그래프이다.

도 4를 더 참조하면, 다양한 노면에서 계측된 타이어 원주 방향의 가속도 파형을 확인할 수 있으며, 노면의 종류에 따라 진동 특성이 달라진다. 도 4의 (a)에 도시된 것처럼, 마른 노면은 도 4의 (b)에 도시된 젖은 노면 대비 전반적으로 진동 에너지가 낮은 것을 알 수 있으며, 특히 접지 영역의 앞뒤로 높은 에너지가 관찰된다.

또한, 도 4의 (c)에 도시된 것처럼, 빙판인 얼음 길에서는 접지 영역 후반부보다 접지 영역 전반부에서 진동 에너지가 높고, 도 4의 (d)에 도시된 눈길은 접지영역 후반부가 접지영역 전반부에 비해 진동에너지가 더 높다.

이와 같이 가속도 진동 특성은 각 노면에 따라 달라지기 때문에 노면 추정을 위한 적절한 특징 파라미터를 가속도 파형에서 추출할 수 있음을 알 수 있다.

이러한 파라미터들은 머신러닝을 이용해 데이터 모델을 개발하는데 사용된다. 또한, 가속도 신호를 각 섹션 별, 즉 접지 전, 접지 내, 접지 후로 나누어서 특징 파라미터를 추출하면 더 높은 정도의 추정이 가능하다.

도 5는 본 발명의 일실시예에 따른 종방향 가속도 그래프의 접지 영역을 나타낸 예시도이다.

도 5를 더 참조하면, 종방향 가속도의 미분값을 이용하여 접지 영역을 추출한 것을 확인할 수 있다. 가속도 신호의 미분값은 접지 시작점과 끝점에서 최소, 최대값을 갖기 때문에 이 지점을 추출함으로써 접지 영역을 구분할 수 있다.

또한, 도시하지는 않았으나, 본 발명은 접지 영역 구분을 위해 타이어의 원주 방향의 가속도를 이용하는 것도 포함한다.

그리고, 상기 프로세싱모듈(130)은 가속도 접지 영역 구분을 위해서 저주파 통과 필터를 이용해 고주파 잡음이 제거된 시그널을 이용함이 바람직하다.

도 6은 본 발명의 일실시예에 따른 주파수 분석 방법을 나타낸 그래프이다.

도 6을 참조하면, 상기 프로세싱모듈(130)은 시간에 따른 가속도를 나타낸 가속도 파형 그래프를 이용하여 접지 영역을 구분하고 나면 주파수 분석을 이용해 노면에 따른 차이를 대변할 수 있는 특정 파라미터를 추출하도록 마련될 수 잇다.

구체적으로, 신호의 주파수 분석을 위해 주로 사용되는 방법은 FFT 분석을 이용하는 것이지만 타이어 내부에서 계측된 가속도는 도 6의 (a)에 도시된 것처럼 다양한 노이즈를 포함하고 있다. 따라서, 상기 프로세싱모듈(130)은 도 6의 (b)에 도시된 바와 같이 노이즈가 상대적으로 적은 Welchi's 방법을 이용하여 주파수 분석을 수행하도록 마련될 수 있다.

상기 도 6의 그래프는 주파수에 따른 파워 스펙트럼 밀도(power spectrum density)의 변화를 나타낸 것이며, 마른 노면과 젖은 노면을 비교하고 있다.

이처럼 상기 프로세싱모듈(130)은 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하고, 상기 관심 주파수 영역 내에서 계산된 시그널 에너지를 머신러닝에 입력되는 상기 파라미터로 결정하도록 마련될 수 있다.

여기서, 상기 고주파 영역은 주파수 대역이 1.5kHz 내지 4.5kHz일 수 있다.

그리고, 상기 관심 주파수 영역은 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 각 노면 간 차이를 분별할 수 있는 것으로 판단되는 영역을 지칭할 수 있다.

도 7은 본 발명의 일실시예에 따른 관심 주파수 영역 및 시그널 에너지를 나타낸 그래프이다.

도 7을 참조하여 더 설명하면, 상기 프로세싱모듈(130)은 고주파 영역의 파워 스펙트럼 밀도를 노면별로 분석하여 노면간 차이를 극명히 보여주는 관심 주파수 영역을 선택하였으며 도 7에서 하이라이트 된 영역으로 표시되고 있다.

이러한 관심 주파수 영역에서 시그널 에너지가 계산되어서 머신러닝의 입력 파라미터로 정의되며, 시그널 에너지의 계산 식은 다음과 같다.

여기서, y는 시그널 에너지, f1은 관심 주파수 영역 시작점, f2는 관심 주파수 영역 종료점, X(f)는 관심 주파수 영역 내에서의 에너지 스펙트럼 밀도이다.

상기 시그널 에너지는, 상기 타이어의 원주 방향 가속도 그래프 및 종방향 가속도 그래프에서 각각 추출된 상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산되며, 계산된 값은 상기 머신러닝에 입력되는 파라미터가 될 수 있다.

즉, 상기 파라미터는 타이어 종방향 가속도 그래프에서 추출되는 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산된 시그널 에너지와, 타이어 원주 방향 가속도 그래프에서 추출되는 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산된 시그널 에너지를 포함한 적어도 8개 이상의 값일 수 있다.

이처럼 추출된 파라미터들은 노면 상태에 따라 구별시켜주는 특징적 차이점을 극대화하여 보여주기 때문에 노면 상태를 보다 정확하게 측정하도록 할 수 있다.

상기 추정모듈(140)은 상기 프로세싱모듈(130)에 의해 추출된 상기 파라미터를 이용하여 노면의 상태를 추정하도록 마련될 수 있다.

여기서, 상기 추정모듈(140)은, 상기 프로세싱모듈(130)에 의해 추출된 복수의 상기 파라미터에 더하여 타이어 공기압, 타이어 지지 하중, 주행 속도를 더 포함하여 노면 상태를 추정하도록 마련될 수 있다.

도 8은 본 발명의 일실시예에 따른 추정모듈의 신경망 모델 구조를 나타낸 예시도이다.

도 8을 더 참조하면, 상기 추정모듈(140)은 추출된 8개의 파라미터와 3개의 시험 조건을 파라미터로 한 머신러닝을 이용하여 노면 상태를 추정하도록 마련될 수 있다.

한 실시예로 상기 추정모듈(140)은 도 8에 도시된 신경망을 이용한 모델 구조로 이루어질 수 잇다.

구체적으로, 입력 파라미터는 타이어 공기압과 타이어가 지지하는 하중, 주행 속도 등의 시험 조건과 8개의 가속도 특정 파라미터로 총 11개이며, 출력은 4가지 추정된 노면 상태이다.

신경망은 3개의 은닉층과 각 층은 30개의 뉴런으로 구성될 수 있다. 타이어에 가해지는 하중은 가속도 신호로부터 추정된 접지길이와 하중으로 추정이 가능하며 압력은 압력센서(112)의 측정값이 사용된다. 차량의 주행 속도는 차량의 CAN/Bus 연결을 통해 확보 가능하며 추가적인 GPS 센서를 장착하여 속도를 수집할 수도 있다.

이러한 신경망 모델을 이용하여 노면의 상태를 추정하는 상기 추정모듈(140)은 약 5000개의 데이터 개수를 이용하여 테스트를 수행하였다. 즉, 5000 번의 휠 회전을 하면서 80%의 데이터는 머신러닝에 쓰이고 20%의 데이터는 노면 상태 추정 테스트에 사용되었다.

이러한 방법으로 추정된 결과의 정확도는 현재 실시예에서 92%를 달성하였다. 과적합 여부를 확인하기위해 10 폴드를 이용한 cross validatioin을 진행하였다. 10개의 케이스에 대해 정확도는 비슷한 수준으로 개발된 데이터 모델에 과적합 문제가 없음을 확인하였다.

여기서, 상기 추정모듈(140)이 노면 상태를 추정하는 방법은 신경망을 이용한 모델 구조만으로 한정되지 않으며, decision tree, random forest 등의 다양한 머신러닝 알고리즘이 사용될 수 있다.

즉, 상기 추정모듈(140)은 노면 상태를 추정할 수 있는 머신러닝 알고리즘을 이용한 방법을 모두 포함할 수 있다.

이처럼, 상기 추정모듈(140)은 상기 프로세싱모듈(130)에 의해 추출된 파라미터들을 이용하여 각 노면 상태에 따른 파라미터의 변화를 머신러닝하고, 머신러닝에 따라 학습된 데이터를 기반으로 새로운 파라미터가 입력되었을 때, 이에 따른 노면 상태를 추정하도록 마련될 수 있다.

상기 디스플레이모듈(150)은 차량의 대쉬보드 등에 마련되며, 상기 추정모듈로(140)부터 추정된 노면 상태를 사용자에게 보여주도록 마련될 수 있다. 이처럼 마련된 상기 디스플레이모듈(150)은 운전자에게 빗길, 눈길 등을 경고하여 이에 대비하는 운전을 하게 할 수 있다.

상기 ECU모듈(160)은 상기 추정모듈(140)로부터 추정된 노면 상태를 제공받도록 마련되며, 상기 노면 상태에 따라 차량을 제어하도록 마련될 수 있다.

ABS 제동의 경우 현재 방법은 초기 제동 시, 휠 슬립의 발생 빠르기 및 발생 정도를 기반으로 노면의 마찰계수를 추정하여 적정 slip ratio를 결정한다. 그러나, 이러한 과정을 통해 적정 slip ratio를 추정하는데 약간의 시간 지연이 발생하며 이는 제동거리의 증가를 가져온다. 그러나, 본 발명은 ECU모듈(160)에 노면 종류를 제공하면 ABS 알고리즘의 초기 추정을 단축할 수 있으며, 약5% 정도의 제동거리 감축이 가능하다.

또한, 본 발명은 타이어 내부에 센서모듈(110)을 부착하여 주행중인 타이어의 동역학적 특성을 측정하고, 측정된 파형의 특성 분석을 통하여 노면의 상태를 추정한다. 이에 따라 본 발명은 타이어와 노면 사이의 슬립이 발생하지 않는 정상 상태 주행 상태에서도 노면 추정이 가능하며, 타이어 내부의 센싱 값을 직접적으로 이용하기 때문에 기존 간접 추정 방식의 오차 누적을 최소화하고 추정 정확도를 향상시킬 수 있다.

또한, 본 발명은 측정되는 가속도 시그널은 타이어 접지 및 접지 전후로 나누어져서 특성이 추출되어 머신러닝 기법의 입력 파라미터로 사용되며, 타이어 내부에 부착된 가속도 센서(111)의 계측값만을 이용하여 정확하게 다양한 노면 종류을 추정할 수 있다.

도 9는 본 발명의 일실시예에 따른 노면 상태 추정 장치 및 이를 이용한 노면 상태 추정 방법의 순서도이다.

도 9를 참조하면, 타이어의 노면 상태 추정 장치를 이용한 노면 상태 추정 방법은 먼저, 상기 타이어의 가속도를 측정하는 단계(S10)를 수행할 수 있다.

상기 타이어의 가속도를 측정하는 단계(S10)에서는 상기 센서모듈(110)이 상기 타이어의 가속도를 측정하도록 마련될 수 있다.

상기 타이어의 가속도를 측정하는 단계(S10)에서, 상기 센서모듈(110)은 상기 타이어의 원주 방향, 횡방향 및 종방향의 가속도 총 3축에 대한 가속도를 측정할 수 있다.

상기 타이어의 가속도를 측정하는 단계(S10) 이후에는, 측정된 상기 가속도를 상기 프로세싱모듈에 제공하는 단계(S20)를 수행할 수 있다.

측정된 상기 가속도를 상기 프로세싱모듈에 제공하는 단계(S20)에서는, 상기 리시버모듈(120)이 상기 센서모듈(110)에 의해 측정된 가속도를 상기 프로세싱모듈(130)에 제공하도록 마련될 수 있다.

측정된 상기 가속도를 상기 프로세싱모듈에 제공하는 단계(S20) 이후에는, 제공된 상기 가속도를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 단계(S30)를 수행할 수 있다.

도 10은 본 발명의 일실시예에 따른 파라미터를 추출하는 단계의 순서도이다.

도 10을 참조하면, 제공된 상기 가속도를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 단계(S30)는 먼저, 타이어가 1회전하는 동안의 가속도 파형 그래프를 얻는 단계(S31)를 수행할 수 있다.

타이어가 1회전하는 동안의 가속도 파형 그래프를 얻는 단계(S31) 이후에는, 상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하는 단계(S32)를 수행할 수 있다.

상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하는 단계(S32)에서, 상기 프로세싱모듈(130)은, 상기 가속도 파형 그래프에서, 종방향 가속도 그래프의 미분치의 최소값과 최대값 사이를 접지 영역으로 추출할 수 있다. 또한, 상기 프로세싱모듈(130)은, 상기 가속도 파형 그래프에서, 원주 방향 가속도 그래프의 최소값과 최대값 사이를 접지 영역으로 추출할 수 있다.

상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하는 단계(S32) 이후에는, 상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하는 단계(S33)를 수행할 수 있다.

상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하는 단계(S33)에서, 상기 프로세싱모듈(130)은 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택할 수 있다. 여기서, 상기 고주파 영역은 주파수 대역이 1.5kHz 내지 4.5kHz일 수 있다. 그리고, 상기 관심 주파수 영역은 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 각 노면 간 차이를 분별할 수 있는 것으로 판단되는 영역을 지칭할 수 있다.

상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하는 단계(S33) 이후에는, 선택된 상기 관심 주파수 영역 내에서의 시그널 에너지를 계산하는 단계(S34)를 수행할 수 있다.

선택된 상기 관심 주파수 영역 내에서의 시그널 에너지를 계산하는 단계(S34)에서, 상기 시그널 에너지는, 상기 타이어의 원주 방향 가속도 그래프 및 종방향 가속도 그래프에서 각각 추출된 상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산되며, 계산된 값은 상기 머신러닝에 입력되는 파라미터가 될 수 있다.

선택된 상기 관심 주파수 영역 내에서의 시그널 에너지를 계산하는 단계(S34) 이후에는, 계산된 상기 시그널 에너지를 파라미터로 추출하는 단계(S35)를 수행할 수 있다.

계산된 상기 시그널 에너지를 파라미터로 추출하는 단계(S35)에서, 상기 파라미터는 타이어 종방향 가속도 그래프에서 추출되는 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산된 시그널 에너지와, 타이어 원주 방향 가속도 그래프에서 추출되는 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산된 시그널 에너지를 포함한 적어도 8개 이상의 값일 수 있다.

이처럼 마련된 제공된 상기 가속도를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 단계(S30) 이후에는, 추출된 상기 파라미터를 이용하여 노면 상태를 추정하는 단계(S40)를 수행할 수 있다.

추출된 상기 파라미터를 이용하여 노면 상태를 추정하는 단계(S40)에서, 상기 추정모듈(140)은 상기 프로세싱모듈(130)에 의해 추출된 파라미터들을 이용하여 각 노면 상태에 따른 파라미터의 변화를 머신러닝하고, 머신러닝에 따라 학습된 데이터를 기반으로 새로운 파라미터가 입력되었을 때, 이에 따른 노면 상태를 추정하도록 마련될 수 있다.

추출된 상기 파라미터를 이용하여 노면 상태를 추정하는 단계(S40) 이후에는, 추정된 상기 노면 상태를 사용자에게 디스플레이하고, 상기 노면 상태에 대응하여 차량을 제어하는 단계(S50)를 수행할 수 있다.

추정된 상기 노면 상태를 사용자에게 디스플레이하고, 상기 노면 상태에 대응하여 차량을 제어하는 단계(S50)에서, 상기 디스플레이모듈(150)은 차량의 대쉬보드 등에 마련되며, 상기 추정모듈로(140)부터 추정된 노면 상태를 사용자에게 보여주도록 마련될 수 있다. 이처럼 마련된 상기 디스플레이모듈(150)은 운전자에게 빗길, 눈길 등을 경고하여 이에 대비하는 운전을 하게 할 수 있다.

또한, 추정된 상기 노면 상태를 사용자에게 디스플레이하고, 상기 노면 상태에 대응하여 차량을 제어하는 단계(S50)에서, 상기 ECU모듈(160)은 상기 추정모듈(140)로부터 추정된 노면 상태를 제공받도록 마련되며, 상기 노면 상태에 따라 차량을 제어하도록 마련될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100: 타이어의 노면 상태 추정 장치
110: 센서모듈 111: 가속도센서
112: 압력센서 120: 리시버모듈
130: 프로세싱모듈 140: 추정모듈
150: 디스플레이모듈 160: ECU모듈

Claims

타이어에 장착되는 센서모듈;
상기 센서모듈에 의해 측정된 센싱정보를 수신하는 리시버모듈;
상기 리시버모듈에 의해 수신된 센싱정보를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 프로세싱모듈; 및
상기 프로세싱모듈에 의해 추출된 상기 파라미터를 이용하여 노면의 상태를 추정하는 추정모듈을 포함하며,
상기 센싱정보는 타이어의 가속도를 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 1 항에 있어서,
상기 센서모듈은 상기 타이어의 내부 표면의 트레드부 중앙에 형성되는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 2 항에 있어서,
상기 센서모듈은,
상기 타이어의 원주 방향, 횡방향 및 종방향의 가속도를 측정하도록 마련된 가속도센서; 및
상기 타이어의 내부 압력을 측정하도록 마련된 압력센서를 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 1 항에 있어서,
상기 프로세싱모듈은,
가속도 파형 그래프를 통해 가속도 진동 특성을 분석하여 상기 파라미터를 추출하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 4 항에 있어서,
상기 프로세싱모듈은,
상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하고,
상기 접지 영역에 대한 주파수 분석을 통해 파라미터를 추출하도록 마련된 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 5 항에 있어서,
상기 프로세싱모듈은,
상기 가속도 파형 그래프에서, 종방향 가속도 그래프의 미분치의 최소값과 최대값 사이를 접지 영역으로 추출하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 5 항에 있어서,
상기 프로세싱모듈은,
상기 가속도 파형 그래프에서, 원주 방향 가속도 그래프의 최소값과 최대값 사이를 접지 영역으로 추출하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 5 항에 있어서,
상기 프로세싱모듈은,
고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하고, 상기 관심 주파수 영역 내에서 계산된 시그널 에너지를 머신러닝에 입력되는 상기 파라미터로 결정하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 8 항에 있어서,
상기 시그널 에너지는 아래 식에 의해 계산되는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.

(y는 시그널 에너지, f1은 관심 주파수 영역 시작점, f2는 관심 주파수 영역 종료점, X(f)는 관심 주파수 영역 내에서의 에너지 스펙트럼 밀도)
제 9 항에 있어서,
상기 시그널에너지는,
상기 타이어의 원주 방향 가속도 그래프 및 종방향 가속도 그래프에서 각각 추출된 상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 계산되며, 계산된 값은 상기 머신러닝에 입력되는 파라미터에 포함되는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 9 항에 있어서,
상기 고주파 영역은 주파수 대역이 1.5kHz 내지 4.5kHz인 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 8 항에 있어서,
상기 관심 주파수 영역은
고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 각 노면 간 차이를 분별할 수 있는 것으로 판단된 영역인 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 5 항에 있어서,
상기 추정모듈은,
상기 프로세싱모듈에 의해 추출된 복수의 상기 파라미터에, 타이어 공기압, 타이어 지지 하중, 주행 속도를 더 포함하여 노면 상태를 추정하도록 마련된 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 1 항에 있어서,
상기 추정모듈로부터 추정된 노면 상태를 사용자에게 보여주도록 마련된 디스플레이모듈을 더 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 1 항에 있어서,
상기 추정모듈로부터 추정된 노면 상태를 제공받도록 마련된 ECU모듈을 더 포함하며,
상기 ECU모듈은 상기 노면 상태에 따라 차량을 제어하도록 마련된 것을 특징으로 하는 타이어의 노면 상태 추정 장치.
제 1 항에 따른 타이어의 노면 상태 추정 장치를 이용한 노면 상태 추정 방법에 있어서,
a) 상기 타이어의 가속도를 측정하는 단계;
b) 측정된 상기 가속도를 상기 프로세싱모듈에 제공하는 단계;
c) 제공된 상기 가속도를 분석하여 노면 상태를 추정하기 위한 파라미터를 추출하는 단계; 및
d) 추출된 상기 파라미터를 이용하여 노면 상태를 추정하는 단계를 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치를 이용한 노면 상태 추정 방법.
제 16 항에 있어서,
상기 c) 단계는,
c1) 타이어가 1회전하는 동안의 가속도 파형 그래프를 얻는 단계;
c2) 상기 가속도 파형 그래프에서 상기 타이어의 접지 영역을 추출하는 단계;
c3) 상기 접지 영역 내, 접지 전 영역, 접지 후 영역 및 전체 영역에 대해 고주파 영역의 에너지 스펙트럼 밀도(power spectrum density)를 노면별로 분석하여 관심 주파수 영역을 선택하는 단계;
c4) 선택된 상기 관심 주파수 영역 내에서의 시그널 에너지를 계산하는 단계; 및
c5) 계산된 상기 시그널 에너지를 파라미터로 추출하는 단계를 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치를 이용한 노면 상태 추정 방법.
제 17 항에 있어서,
상기 d) 단계 이후에는,
추정된 상기 노면 상태를 사용자에게 디스플레이하고, 상기 노면 상태에 대응하여 차량을 제어하는 단계를 더 포함하는 것을 특징으로 하는 타이어의 노면 상태 추정 장치를 이용한 노면 상태 추정 방법.