WO2020074559A1 - Verfahren und system zum bereitstellen eines reibwerts an ein fahrzeug - Google Patents

Verfahren und system zum bereitstellen eines reibwerts an ein fahrzeug Download PDF

Info

Publication number
WO2020074559A1
WO2020074559A1 PCT/EP2019/077306 EP2019077306W WO2020074559A1 WO 2020074559 A1 WO2020074559 A1 WO 2020074559A1 EP 2019077306 W EP2019077306 W EP 2019077306W WO 2020074559 A1 WO2020074559 A1 WO 2020074559A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
friction
coefficient
area section
traffic area
Prior art date
Application number
PCT/EP2019/077306
Other languages
English (en)
French (fr)
Inventor
Simon GEISLER
Christian Lellmann
Original Assignee
Robert Bosch Gmbh
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of WO2020074559A1 publication Critical patent/WO2020074559A1/de

Links

Classifications

    • 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
    • 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
    • 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
    • B60T2210/122—Friction using fuzzy logic, neural computing
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle

Definitions

  • the present invention relates to a method for providing a
  • the invention further relates to a system for
  • the coefficient of friction between a vehicle, in particular its tire, and a traffic area section, such as a roadway influences the dynamic driving limits of a vehicle with regard to longitudinal and transverse guidance.
  • the driver may e.g. Using empirical values, brief braking, visual perception or the like, at least to some extent, determine whether the current coefficient of friction is rather high or rather low. For example, the current coefficient of friction on a well-developed and clean road surface and when it is dry can be rather high and thus promote good static friction between the vehicle and the road surface, whereas wetness, black ice,
  • WO 2016/120092 A1 proposes a database-supported coefficient of friction map in which information sent by sending vehicles is received and stored in the database, the information describing at least the specific coefficient of friction potential of a road segment Friction data include the location data describing the geometric position of this road segment and the time data describing the time of determination of the friction data and the data stored in the database can be called up by receiving vehicles.
  • Embodiments of the invention provide an improved way of providing friction data to a vehicle according to the independent claims. Advantageous further developments of the invention result from the dependent claims, the description and the accompanying figures.
  • a data processing device which e.g. can have a determination module, in particular an artificial intelligence module, KL module, which can be implemented by software, possibly also by hardware.
  • the data processing device can have a memory for storing acquired and / or received data and a processor etc. To collect and / or receive data and to
  • a data interface can be provided for data exchange with the vehicle.
  • the data processing device can be a server system or a part thereof and allow access to the coefficient of friction for a large number of vehicles.
  • the traffic area section can in principle be any geographically determinable, e.g. mapped, roadway, but especially a street.
  • the vehicle can be at least partially automated
  • Act vehicle that can use the coefficient of friction provided for example for its route planning, trajectory planning, etc.
  • the process involves the following steps: - The first data are recorded that determined on the vehicle side
  • the coefficient of friction data can be from a driving dynamics control of the
  • Vehicle and other sensor data such as a rain sensor, a camera and the like, are obtained and can be either vehicle-side or server-side by e.g. the
  • Data processing device take place. From a functional point of view, one or more vehicles can drive through the traffic area section and capture the first data and e.g. of the
  • the coefficient of friction data can be present, for example, as a feature vector or the like.
  • Second data are recorded, which include environmental condition data of the traffic area section.
  • the environmental condition data can include, for example, weather data that can be assigned to the coefficient of friction data of the first data, for example, was recorded at a similar or the same time.
  • the environmental data can e.g. an ambient temperature, a rainfall, a wind force, a wind direction, a
  • the environmental condition data can be obtained, for example, at least in part from the vehicles that also record the coefficient of friction data of the first data.
  • the environmental condition data can also be acquired or obtained by a weather service, a local weather station, road sensors, etc.
  • the weather data can e.g. an ambient temperature, an
  • Amount of precipitation, a wind force, a wind direction, a Sun intensity, street temperature, traffic and the like include.
  • the weather data can be acquired or obtained from a weather service, a local weather station, road sensors, etc.
  • the coefficient of friction to be provided for the determination time is determined on the basis of the first data and the second data, at least the condition being fulfilled that the coefficient of friction from the first data in the case of environmental condition data from the second data, and optionally also first data associated with the correlate weather data obtained, based on a specific time parameter lies within a range of values.
  • correlating data can be understood to mean that in the first and / or second data, which are stored, for example, in a history table or in some other way, similar, approximately identical or identical environmental condition data have been recorded, which have a relationship between the coefficient of friction that can be assigned to them allow the received weather data at the destination time.
  • This is based on the idea that the traffic area section has at least approximately the same coefficients of friction under at least approximately the same environmental conditions, which are determined on the one hand from the first and / or second data and on the other hand from the weather data obtained, and this does not change over a limited period of time.
  • measurement points of the first and / or second data that can be assigned can be filtered at the determination time, which can include a point in time, a time segment or the like, the traffic area segment under consideration here being able to be spatially and temporally limited.
  • the coefficient of friction to be provided is determined on the basis of the weather data, which form the exclusive input variable for the determination time, from the first and / or second data, which represent a type of database. This means that the coefficient of friction of the traffic area section can only be determined using known weather data, without further real-time measurement data from, for example, vehicles are needed. This allows a precise coefficient of friction to be determined or predicted and made available to the vehicle with simple means.
  • the weather data obtained can be defined by features from which a classifier determines the coefficient of friction from the first and / or second data.
  • the characteristics can e.g. exist as a feature vector.
  • a classifier which may previously have been trained with training data, can therefore be used at the determination time in order to determine the coefficient of friction from the weather data as the only input variable.
  • the determination of the coefficient of friction can include a next-neighbor classification, which can in particular comprise a k-nearest-neighbor algorithm, on the basis of the first and / or second data.
  • the coefficient of friction can be determined
  • the intermediate layer can be on a
  • Road surface of the traffic area section may be present, which may be dry, damp, wet, snow-covered, icy, covered with chippings, etc.
  • the intermediate layer can be determined by a model, a classifier or the like, which can be implemented in the KL module.
  • the determination of the coefficient of friction can be a
  • an average error of the coefficient of friction or possibly several possible coefficients of friction, from the first and / or second data. For example, an average value can be determined, in particular calculated, for, in particular filtered, measuring points of the first and / or second data. An error of the mean value can then be determined for this. This can be determined according to, for example , where n is the number of measurements in the first and / or second data and m, individual measured values. As a result, the coefficient of friction to be provided can be determined even more precisely.
  • the determination of the coefficient of friction can be a
  • weighting of possible friction values with the friction value data included in the first data being weighted more strongly if they have a shorter time distance from the determination time.
  • a time distance from the determination time can be determined for, in particular filtered, measurement points of the first and / or second data. Based on the distance, a weight w can then be assigned to each measuring point. The sum of the weights can be equal to 1. More current or younger
  • Coefficients of friction of the first and / or second data can be weighted higher than older ones.
  • a temporal correlation can also be mapped to derive these weights.
  • the weight can be determined according to, for example
  • a weighted average of the coefficient of friction can be determined from the weighting. This can, for example, reflect the coefficient of friction of the traffic area section for an intermediate layer. This coefficient of friction can be determined, for example, according to
  • a one-sigma error of the mean can be determined over a one-sigma confidence interval of the measuring points, assuming a standard distribution. This error of the mean can
  • the time parameter can be determined by a
  • Time parameters in particular a time limit, e.g. a period of time over which the coefficient of friction changes little or not at all in correlating ambient conditions.
  • This time parameter can be determined by a
  • optimization methods for example hyper parameter optimization, can be determined.
  • the coefficient of friction or its change over time can be determined even more precisely.
  • the optimization method can be selected from: grid search, random search, Bayesian optimization and the like. These optimization methods, in particular hyper parameter optimization methods, have proven to be particularly suitable for the non-linear system here.
  • a hypothesis test of the determined coefficient of friction can be carried out before the coefficient of friction is provided.
  • Hypothesis test can include, for example, a three-sigma test, a specification of a level of significance or the like. In particular, it can be used to check whether the determined mean value with ⁇ p err is above a limit value.
  • the vehicle for which the coefficient of friction is to be provided has a driving function, for example a driver assistance system, for which a minimum coefficient of friction should be given. This can be checked in the hypothesis test.
  • the traffic area section can be delimited locally or spatially by a polygon.
  • the first and / or second data can thus allow an assignment via points of the polygon.
  • the invention also relates to a system for providing a coefficient of friction for a traffic area section to a vehicle, with a data interface and a data processing device, which can be implemented, for example, as described above.
  • the data processing device is set up to to acquire first data, which includes vehicle coefficient of friction data of the traffic area section,
  • Ambient condition data from the second data which correlate with the weather data obtained, based on a specific time parameter lies within a range of values.
  • the first and / or second data can be in the system or
  • Data processing device are collected and / or stored. The advantages explained for the method described above can thus be achieved.
  • the data processing device can have the above-mentioned KL module.
  • FIG. 1 shows a schematic overview of a system for providing a coefficient of friction of a traffic area section to a vehicle
  • FIG. 2 shows a flow diagram of a method for providing a coefficient of friction of a traffic area section to a vehicle.
  • the figures are only schematic and are not to scale. In the figures, the same, equivalent or similar elements are provided with the same reference numerals throughout.
  • FIG. 1 shows a schematic overview of a system 100 that is suitable for providing a coefficient of friction m of a traffic area section RS to a vehicle V.
  • the traffic area section RS can be determined geographically, for example via a street map, and, as indicated in FIG. 1 below, spatially delimited by a polygon. That's the way it is
  • Traffic area section RS representative of in principle any mapped lane or the like.
  • the system 100 is designed as a, for example server-based, computer system and here comprises, by way of example, a data processing device 110 which has a processor, a memory for storing the data
  • Processor executable program instructions a memory for storing acquisition data, etc.
  • a memory for storing acquisition data, etc.
  • Data processing device 110 is a classifier, which in this example is a k-nearest-neighbor algorithm, by
  • Data processing device 110 implements an optimization method, which here is an example of a grid search method, Bayesian optimization method or the like, by means of program instructions and / or hardware and can be carried out by the processor.
  • an optimization method which here is an example of a grid search method, Bayesian optimization method or the like, by means of program instructions and / or hardware and can be carried out by the processor.
  • the system 100 or the data processing device 100 also has a (not designated) data interface, via which it can be connected or connected to one or more data acquisition devices 120, 130, 140 for data reception.
  • the data acquisition device 120 is arranged here, for example as a sensor system, electronic control device or the like, in a plurality of vehicles MV, two of which are shown by way of example.
  • the vehicles MV usually drive to different ones (Daily) times, weather conditions, etc. the traffic area section RS.
  • the data acquisition device 120 is, for example, part of a
  • Data acquisition device 120 provides the system 100 or the
  • Data processing device 100 has first data available via the data interface, which includes at least coefficient of friction data of the traffic area section.
  • the data acquisition device 130 is exemplary here as
  • Road sensor designed and set up for example a
  • the data acquisition device 140 is one of the examples here
  • Traffic area section RS1 if necessary also more distant weather service, a local weather station or the like and set up to record, for example, weather data, such as the amount of precipitation, sun intensity or the like.
  • weather data such as the amount of precipitation, sun intensity or the like.
  • the data acquisition devices 120, 130, 140 are set up to deliver measurement and / or estimation data with a time reference.
  • the data acquisition devices 130, 140 thus provide the system 100 or the data processing device 100 with second data via the data interface, which include at least environmental condition data of the traffic area section.
  • the environmental condition data can also be supported by the additional data of the data acquisition device 120.
  • the system 100 or the data processing device 100 also has a data interface (not designated in any more detail) via which it can be connected or connected to a large number of vehicles V for data reception.
  • a data interface not designated in any more detail
  • the coefficient of friction m determined by the system 100 or the data processing device 100 can be used in the vehicle for processing there, e.g. to
  • the data from the vehicles MV that is to say from the vehicles MV, serve as input data for the system 100
  • Data acquisition devices 120 acquired, measured and / or determined coefficient of friction data in the form of the first data.
  • the second data is collected, which is e.g. the data acquisition devices 130, 140 and / or 120 include environmental condition data of the traffic area section, in which the coefficient of friction data was acquired by the vehicle MV.
  • the environmental condition data either contain information directly about an intermediate layer that can be assigned to the detected friction values, e.g. dry, wet, damp etc., the traffic area section RS or the
  • Data processing device 100 is set up for this, e.g. about a model to determine this.
  • a determination time for example at the request of vehicle V, e.g. performs a route calculation, current or current weather data, which may also be predicted for a future point in time, etc., are made available to the system as input data. These can be made available in particular by the data acquisition device 140.
  • the system then 100 or
  • Data processing device 110 associated measuring points from the
  • Data storage e.g. a history table, in which the first and second data are stored, filtered via the classifier, for example the k-nearest-neighbor algorithm.
  • the traffic area section RS under consideration is spatially or locally limited by the polygon and limited in time by a time parameter.
  • the time parameter is determined using the optimization method mentioned above.
  • the coefficient of friction m to be provided is determined by the k-nearest-neighbor algorithm in such a way that the condition is fulfilled that the coefficient of friction recorded in the first data relates to an environmental data recorded in the second data, which correlate with the weather data obtained certain time parameters lies within a range of values.
  • the range of values is limited, for example, so that small deviations of the collected first and / or second data can be taken into account and overall a static value can be assumed.
  • Traffic area section RS is static friction values, so that a mean value of the filtered measuring points is determined.
  • An error of the mean value can be determined from this, for example
  • a time distance to the current determination time is determined.
  • a weighting w can then be assigned to each measuring point on the basis of the respective distance, with more recent coefficients of friction being weighted higher than older coefficients of friction in the first data.
  • a time correlation can be formed, for example, in order to derive these weightings. For example:
  • a weighted mean value can then be determined via the weights wi, which reflects the coefficient of friction of the traffic area section RS for a respective intermediate layer.
  • This coefficient of friction applies to the time parameter, which is optimized as described above. For example, the following applies to the weighted average of the coefficient of friction:
  • a one-sigma error of the mean value can also be determined, for example according to, using one-sigma confidence intervals of the measurement points
  • the determined mean value with the determined error can be determined by a
  • Hypothesis test for example a three-sigma test, a default one
  • Figure 2 summarizes a method for providing the coefficient of friction m for the
  • the second data is recorded, which includes the environmental condition data of the traffic area section RS.
  • weather data is obtained that unites the traffic area section RS
  • Determination time can be assigned.
  • the coefficient of friction m is determined for the determination time on the basis of the first data and the second data, the condition being fulfilled that the coefficient of friction m is derived from the first data in the case of environmental condition data from the second data which are obtained with the data

Abstract

Die Erfindung betrifft eine verbesserte Möglichkeit zum Bereitstellen eines Reibwerts an ein Fahrzeug auf Basis einer statischen Reibwert- Klassifikation. Ein Verfahren zum Bereitstellen eines Reibwerts (μ) für einen Verkehrsflächenabschnitt (RS) an ein Fahrzeug (V) sieht vor, dass erste Daten erfasst werden, die fahrzeugseitig bestimmte Reibwertdaten des Verkehrsflächenabschnitts (RS) umfassen. Zudem werden zweite Daten erfasst, die Umgebungsbedingungsdaten des Verkehrsflächenabschnitts (RS) umfassen. Es werden Wetterdaten erhalten, die dem Verkehrsflächenabschnitt zu einer Bestimmungszeit zuordbar sind. Dann erfolgt ein Bestimmen des Reibwerts (μ) für die Bestimmungszeit auf Basis der ersten Daten und der zweiten Daten, wobei die Bedingung erfüllt ist, dass der Reibwert (μ) aus den ersten Daten bei Umgebungsbedingungsdaten aus den zweiten Daten, die mit den erhaltenen Wetterdaten korrelieren, bezogen auf einen bestimmten Zeitparameter innerhalb eines Wertebereichs liegt.

Description

Beschreibung
Titel
Verfahren und System zum Bereitstellen eines Reibwerts an ein Fahrzeug
Die vorliegende Erfindung betrifft ein Verfahren zum Bereitstellen eines
Reibwerts an ein Fahrzeug. Ferner betrifft die Erfindung ein System zum
Bereitstellen eines Reibwerts an ein Fahrzeug.
Stand der Technik
Der Reibwert zwischen einem Fahrzeug, insbesondere dessen Reifen, und einem Verkehrsflächenabschnitt, wie beispielsweise einer Fahrbahn, beeinflusst die fahrdynamischen Grenzen eines Fahrzeugs hinsichtlich der Längs- und Querführung. Bei einem herkömmlichen Fahrzeug, das von einem menschlichen Fahrzeugführer gelenkt wird, kann dieser z.B. durch Erfahrungswerte, durch kurzes Anbremsen, durch optische Wahrnehmung oder ähnliches zumindest ansatzweise ermitteln, ob der aktuelle Reibwert eher hoch oder eher niedrig ist. So kann der aktuelle Reibwert bei gut ausgebauter und sauberer Fahrbahn sowie bei Trockenheit eher hoch sein und damit eine gute Haftreibung zwischen Fahrzeug und Fahrbahn begünstigen, wohingegen Nässe, Glatteis,
Verschmutzung der Fahrbahn oder ähnliches den Reibwert ungünstige beeinflussen können.
Bei einem teil- oder vollautonomen Fährbetrieb eines Fahrzeugs ist die
Einschätzung des aktuellen Reibwerts eines Verkehrsflächenabschnitts schwieriger, da die Informationen des menschlichen Fahrzeugführers zumindest teilweise wegfallen. Um diesem Problem zu begegnen, schlägt z.B. die WO 2016/120092 Al eine datenbankgestützte Reibwertkarte vor, bei der von sendenden Fahrzeugen ausgesandte Informationen empfangen und in der Datenbank gespeichert werden, wobei die Informationen zumindest das bestimmte Reibwertpotential eines Straßensegments beschreibende Reibwertdaten, die geometrische Lage dieses Straßensegments beschreibende Ortsdaten sowie den Ermittlungszeitpunkt der Reibwertdaten beschreibende Zeitdaten umfassen und die in der Datenbank gespeicherten Daten von empfangenden Fahrzeugen abgerufen werden können. Obwohl dem Fahrzeug damit hilfreiche Informationen zum aktuellen Reibwert eines
Verkehrsflächenabschnitts zur Verfügung gestellt werden können, besteht der Wunsch, einem Fahrzeug noch genauere Reibwertdaten zur Verfügung stellen zu können.
Offenbarung der Erfindung
Ausführungsformen der Erfindung stellen eine verbesserte Möglichkeit zum Bereitstellen von Reibwertdaten an ein Fahrzeug gemäß den unabhängigen Ansprüchen zur Verfügung. Vorteilhafte Weiterbildungen der Erfindung ergeben sich aus den abhängigen Ansprüchen, der Beschreibung sowie den begleitenden Figuren.
Ein vorgeschlagenes Verfahren zum Bereitstellen eines, z.B. prädizierten, Reibwerts für einen Verkehrsflächenabschnitt an ein Fahrzeug kann
insbesondere mit einer Datenverarbeitungseinrichtung durchgeführt werden, die z.B. ein Bestimmungsmodul, insbesondere ein Künstliches-Intelligenz-Modul, Kl- Modul, aufweisen kann, das durch Software, ggf. auch durch Hardware, implementiert sein kann. Die Datenverarbeitungseinrichtung kann einen Speicher zum Speichern von erfassen und/oder erhaltenen Daten und einen Prozessor usw. aufweisen. Zum Erfassen und/oder Erhalten von Daten sowie zum
Datenaustausch mit dem Fahrzeug kann eine Datenschnittstelle vorgesehen sein. Die Datenverarbeitungseinrichtung kann ein Serversystem oder ein Teil davon sein und einer Vielzahl von Fahrzeugen einen Zugriff auf den Reibwert erlauben. Der Verkehrsflächenabschnitt kann im Prinzip jede geografisch bestimmbare, z.B. kartierte, Fahrbahn, insbesondere aber eine Straße, sein. Bei dem Fahrzeug kann es sich um ein zumindest teilweise automatisiertes
Fahrzeug handeln, das den bereitgestellten Reibwert beispielsweise für seine Routenplanung, Trajektorienplanung usw. nutzen kann.
Das Verfahren sieht die folgenden Schritte vor: - Es werden erste Daten erfasst, die fahrzeugseitig bestimmte
Reibwertdaten des Verkehrsflächenabschnitts umfassen.
Die Reibwertdaten können von einer Fahrdynamikregelung des
Fahrzeugs und anderen Sensordaten, wie einem Regensensor, einer Kamera und ähnlichem, erhalten werden und können entweder fahrzeugseitig oder serverseitig durch z.B. die
Datenverarbeitungseinrichtung erfolgen. Funktional betrachtet, können ein oder mehrere Fahrzeuge den Verkehrsflächenabschnitt befahren und dabei die ersten Daten erfassen und z.B. der
Datenverarbeitungseinrichtung zur Verfügung stellen. Die Reibwertdaten können beispielsweise als Merkmalsvektor oder ähnlichem vorliegen.
- Es werden zweite Daten erfasst, die Umgebungsbedingungsdaten des Verkehrsflächenabschnitts umfassen.
Die Umgebungsbedingungsdaten können beispielsweise Wetterdaten umfassen, die den Reibwertdaten der ersten Daten zuordbar sind, beispielsweise zu einer ähnlichen oder gleichen Zeit erfasst worden sind. Die Umgebungsdaten können z.B. eine Umgebungstemperatur, eine Niederschlagsmenge, eine Windstärke, eine Windrichtung, eine
Sonnenintensität, Straßentemperatur, Verkehrsaufkommen und ähnliches umfassen. Die Umgebungsbedingungsdaten können beispielsweise wenigstens zum Teil von den Fahrzeugen erhalten werden, die auch die Reibwertdaten der ersten Daten erfassen. Alternativ oder zusätzlich dazu, können die Umgebungsbedingungsdaten auch von einem Wetterdienst, einer lokalen Wetterstation, Straßensensoren usw. erfasst bzw. erhalten werden.
- Es werden Wetterdaten erhalten, die dem Verkehrsflächenabschnitt zu einer Bestimmungszeit zuordbar sind.
Die Wetterdaten können z.B. eine Umgebungstemperatur, eine
Niederschlagsmenge, eine Windstärke, eine Windrichtung, eine Sonnenintensität, Straßentemperatur, Verkehrsaufkommen und ähnliches umfassen. Die Wetterdaten können von einem Wetterdienst, einer lokalen Wetterstation, Straßensensoren usw. erfasst bzw. erhalten werden.
- Es wird der bereitzustellende Reibwert für die Bestimmungszeit auf Basis der ersten Daten und der zweiten Daten bestimmt, wobei zumindest die Bedingung erfüllt ist, dass der Reibwert aus den ersten Daten bei Umgebungsbedingungsdaten aus den zweiten Daten, und optional auch ersten Daten, die mit den erhaltenen Wetterdaten korrelieren, bezogen auf einen bestimmten Zeitparameter innerhalb eines Wertebereichs liegt.
In diesem Zusammenhang kann unter korrelierenden Daten verstanden werden, dass in den ersten und/oder zweiten Daten, die beispielsweise in einer Historientabelle oder anderweitig gespeichert sind, ähnliche, annähernd gleiche oder identische Umgebungsbedingungsdaten erfasst worden sind, die einen Zusammenhang zwischen dem diesen zuordbaren Reibwert und den erhaltenen Wetterdaten zur Bestimmungszeit erlauben. Dem liegt der Gedanke zugrunde, dass der Verkehrsflächenabschnitt bei zumindest annähernd gleichen Umgebungsbedingungen, die einerseits aus den ersten und/oder zweiten Daten und andererseits aus den erhaltenen Wetterdaten bestimmt werden, zumindest annähernd gleiche Reibwerte aufweist und sich dies über einen beschränkten Zeitraum nicht ändert. Anschaulich ausgedrückt, können zu der Bestimmungszeit, die einen Zeitpunkt, einen Zeitabschnitt oder ähnliches umfassen kann, zuordbare Messpunkte der ersten und/oder zweiten Daten gefiltert werden, wobei sich der betrachtete Verkehrsflächenabschnitt hierbei räumlich und zeitlich begrenzen lässt.
Mit diesem Verfahren kann eine statische Straßenreibwert- Klassifikation für verschiedene Zwischenschichten durchgeführt werden, wobei der
bereitzustellende Reibwert auf Basis der Wetterdaten, die die ausschließliche Eingangsgröße für die Bestimmungszeit bilden, aus den ersten und/oder zweiten Daten, die eine Art Datenbasis darstellen, bestimmt werden. D.h., dass nur über bekannte Wetterdaten der Reibwert des Verkehrsflächenabschnitts bestimmt werden kann, ohne dass weitere Echtzeit- Messdaten von z.B. Fahrzeugen benötigt werden. Damit lässt sich mit einfachen Mitteln ein genauer Reibwert bestimmen bzw. prädizieren und dem Fahrzeug bereitstellen.
In einer Weiterbildung können die erhaltenen Wetterdaten durch Merkmale definiert werden, aus denen ein Klassifikator den Reibwert bestimmt aus den ersten und/oder zweiten Daten. Die Merkmale können z.B. als Merkmalsvektor vorliegen. Es kann also zur Bestimmungszeit ein Klassifikator, der zuvor mit Trainingsdaten trainiert worden sein kann, verwendet werden, um aus den Wetterdaten als einzige Eingangsgröße den Reibwert zu bestimmen.
Gemäß einer Weiterbildung kann das Bestimmen des Reibwerts eine Nächste- Nachbarn- Klassifikation, die insbesondere einen k-Nearest-Neighbor- Algorithmus umfassen kann, auf Basis der ersten und/oder zweiten Daten umfassen.
In einer anderen Weiterbildung kann das Bestimmen des Reibwerts ein
Bestimmen einer Zwischenschicht des Verkehrsflächenabschnitts aus den ersten und/oder zweiten Daten umfassen. Die Zwischenschicht kann auf einer
Fahrbahnoberfläche des Verkehrsflächenabschnitts vorhanden sein, wobei diese trocken, feucht, nass, beschneit, vereist, mit Rollsplitt bedeckt usw. sein kann.
Die Zwischenschicht kann durch ein Modell, einen Klassifikator oder ähnliches bestimmt werden, die in dem Kl-Modul implementiert sein können.
Gemäß einer Weiterbildung kann das Bestimmen des Reibwerts eine
Bestimmung eines mittleren Fehlers des Reibwerts, oder ggf. mehrerer möglicher Reibwerte, aus den ersten und/oder zweiten Daten umfassen. Beispielsweise kann für, insbesondere gefilterte, Messpunkte der ersten und/oder zweiten Daten ein Mittelwert bestimmt, insbesondere berechnet, werden. Hierzu kann dann ein Fehler des Mittelwerts bestimmt werden. Dieser kann beispielsweise bestimmt werden nach
Figure imgf000007_0001
, wobei n die Anzahl der Messungen in den ersten und/oder zweiten Daten und m, einzelne Messwerte darstellen. Dadurch kann der bereitzustellende Reibwert noch genauer bestimmt werden.
In einer anderen Weiterbildung kann das Bestimmen des Reibwerts eine
Gewichtung möglicher Reibwerte umfassen, wobei die in den ersten Daten umfassten Reibwertendaten stärker gewichtet werden, wenn diese eine geringere zeitliche Distanz zur Bestimmungszeit aufweisen. In anderen Worten, kann für, insbesondere gefilterte, Messpunkte der ersten und/oder zweiten Daten eine zeitliche Distanz zur Bestimmungszeit bestimmt werden. Anhand der Distanz kann dann jedem Messpunkt ein Gewicht w, zugeordnet werden. Eine Summe der Gewichte kann dabei gleich 1 sein. Aktuellere bzw. jüngere
Reibwerte der ersten und/oder zweiten Daten können gegenüber älteren höher gewichtet werden. Es kann auch eine zeitliche Korrelation abgebildet werden, um diese Gewichte herzuleiten. Das Gewicht kann beispielsweise bestimmt werden nach
Figure imgf000008_0001
In einer anderen Weiterbildung kann aus der Gewichtung ein gewichteter Mittelwert des Reibwerts bestimmt werden. Dieser kann beispielsweise den Reibwert des Verkehrsflächenabschnitts für eine Zwischenschicht wiedergeben. Dieser Reibwert kann beispielsweise bestimmt werden nach
Figure imgf000008_0002
Gemäß einer Weiterbildung kann über einen Ein-Sigma Konfidenz-Intervall der Messpunkte, unter der Annahme einer Standardverteilung, ein Ein-Sigma Fehler des Mittelwerts bestimmt werden Dieser Fehler des Mittelwerts kann
beispielsweise bestimmt werden nach
Figure imgf000009_0001
ln einer anderen Weiterbildung kann der Zeitparameter durch ein
Optimierungsverfahren bestimmt werden. Wie oben erwähnt, gibt der
Zeitparameter insbesondere eine zeitliche Begrenzung, z.B. einen Zeitabschnitt, an, über den sich der Reibwert bei korrelierenden Umgebungsbedingungen kaum oder gar nicht ändert. Dieser Zeitparameter kann durch ein
Optimierungsverfahren, beispielsweise eine Hyperparameter-Optimierung, bestimmt werden. Dadurch kann der Reibwert bzw. seine zeitliche Änderung noch genauer bestimmt werden.
In einer Weiterbildung kann das Optimierungsverfahren ausgewählt werden aus: Grid Search, Random Search, Bayessche Optimierung und dergleichen. Diese Optimierungsverfahren, insbesondere Hyperparameter-Optimierungsverfahren, haben sich für das hier vorliegende nicht-lineare System als besonders geeignet erwiesen.
Gemäß einer Weiterbildung kann vor dem Bereitstellen des Reibwerts ein Hypothesen-Test des bestimmten Reibwerts durchgeführt werden. Der
Hypothesen-Test kann beispielsweise einen Drei-Sigma-Test, eine Vorgabe eines Signifikanzniveaus oder ähnliches umfassen. Damit kann insbesondere überprüft werden, ob der bestimmte Mittelwert mit Äperr über einem Grenzwert liegt. Beispielsweise ist es denkbar, dass das Fahrzeug, für das der Reibwert bereitgestellt werden soll, eine Fahrfunktion, z.B. ein Fahrerassistenzsystem, aufweist, für das ein Mindestreibwert gegeben sein soll. Dies kann in dem Hypothesen-Test überprüft werden.
In einer Weiterbildung kann der Verkehrsflächenabschnitt örtlich oder räumlich durch ein Polygon begrenzt werden. Damit können die ersten und/oder zweiten Daten eine Zuordnung über Punkte des Polygons zulassen.
Die Erfindung betrifft auch ein System zum Bereitstellen eines Reibwerts für einen Verkehrsflächenabschnitt an ein Fahrzeug, mit einer Datenschnittstelle und einer Datenverarbeitungseinrichtung, die beispielsweise wie oben beschrieben ausgeführt sein können. Die Datenverarbeitungseinrichtung ist dazu eingerichtet, - erste Daten zu erfassen, die fahrzeugseitig bestimmte Reibwertdaten des Verkehrsflächenabschnitts umfassen,
- zweite Daten zu erfassen, die Umgebungsbedingungsdaten des
Verkehrsflächenabschnitts umfassen,
- Wetterdaten zu erhalten, die dem Verkehrsflächenabschnitt zu einer Bestimmungszeit zuordbar sind, und
- den bereitzustellenden Reibwert für die Bestimmungszeit auf Basis der ersten Daten und der zweiten Daten zu bestimmen, wobei die Bedingung erfüllt ist, dass der Reibwert aus den ersten Daten bei
Umgebungsbedingungsdaten aus den zweiten Daten, die mit den erhaltenen Wetterdaten korrelieren, bezogen auf einen bestimmten Zeitparameter innerhalb eines Wertebereichs liegt.
Die ersten und/oder zweiten Daten können in dem System bzw. der
Datenverarbeitungseinrichtung gesammelt und/oder gespeichert werden. Damit lassen sich die für das vorstehend beschriebene Verfahren erläuterten Vorteile erreichen. Die Datenverarbeitungseinrichtung kann das oben erwähnte Kl-Modul aufweisen.
Weitere, die Erfindung verbessernde Maßnahmen werden nachstehend gemeinsam mit der Beschreibung der bevorzugten Ausführungsbeispiele der Erfindung anhand von Figuren näher dargestellt.
Kurze Beschreibung der Figuren
Im Folgenden werden vorteilhafte Ausführungsbeispiele der Erfindung mit Bezug auf die begleitenden Figuren detailliert beschrieben. Es zeigen:
Figur 1 eine schematische Übersicht eines Systems zum Bereitstellen eines Reibwerts eines Verkehrsflächenabschnitts an ein Fahrzeug und
Figur 2 ein Flussdiagramm eines Verfahrens zum Bereitstellen eines Reibwerts eines Verkehrsflächenabschnitts an ein Fahrzeug. Die Figuren sind lediglich schematisch und nicht maßstabsgetreu. In den Figuren sind gleiche, gleichwirkende oder ähnliche Elemente durchgängig mit gleichen Bezugszeichen versehen.
Ausführungsformen der Erfindung
Figur 1 zeigt eine schematische Übersicht über eines Systems 100, das sich zum Bereitstellen eines Reibwerts m eines Verkehrsflächenabschnitts RS an ein Fahrzeug V eignet. Der Verkehrsflächenabschnitt RS ist geografisch, über beispielsweise eine Straßenkarte, bestimmbar und, wie in Figur 1 unten angedeutet, durch ein Polygon räumlich begrenzt. So ist der
Verkehrsflächenabschnitt RS repräsentativ für im Prinzip jede kartierte Fahrbahn oder ähnliches.
Das System 100 ist als, beispielsweise serverbasiertes, Computersystem ausgeführt und umfasst hier exemplarisch eine Datenverarbeitungseinrichtung 110, die einen Prozessor, einen Speicher zum Speichern von durch den
Prozessor ausführbaren Programmanweisungen, einen Speicher zum Speichern von Erfassungsdaten usw. aufweist. In dem System 100 bzw. der
Datenverarbeitungseinrichtung 110 ist ein Klassifikator, bei dem es sich hier exemplarisch um einen k-Nearest-Neighbor- Algorithmus handelt, durch
Programmanweisungen und/oder Hardware implementiert und lässt sich durch den Prozessor ausführen. Ferner ist in dem System 100 bzw. der
Datenverarbeitungseinrichtung 110 ein Optimierungsverfahren, bei dem es hier exemplarisch um ein Grid-Search-Verfahren, Bayesian Opimization-Verfahren oder ähnliches handelt, durch Programmanweisungen und/oder Hardware implementiert und lässt sich durch den Prozessor ausführen.
Das System 100 bzw. die Datenverarbeitungseinrichtung 100 verfügt ferner über eine (nicht näher bezeichnete) Datenschnittstelle, über die sie mit einer oder mehreren Datenerfassungseinrichtungen 120, 130, 140 zum Datenempfang verbindbar oder verbunden ist. Die Datenerfassungseinrichtung 120 ist hier, beispielsweise als Sensorik, elektronisches Steuergerät oder ähnliches, in einer Mehrzahl von Fahrzeugen MV von angeordnet, von denen exemplarisch zwei gezeigt sind. Die Fahrzeuge MV befahren üblicherweise zu verschiedenen (Tages-)Zeiten, Witerungsbedingungen usw. den Verkehrsflächenabschnit RS. Die Datenerfassungseinrichtung 120 ist beispielsweise ein Teil eines
Fahrdynamikregelsystems des jeweiligen Fahrzeugs MV oder greift auf Daten desselben sowie ggf. auch auf einen Regensensor, Betriebsgrößen oder
Umgebungsdaten des jeweiligen Fahrzeugs MV zu. Die
Datenverfassungseinrichtung 120 stellt dem System 100 bzw. der
Datenverarbeitungseinrichtung 100 über die Datenschnitstelle erste Daten zur Verfügung, die wenigstens Reibwertdaten des Verkehrsflächenabschnits umfassen. Die Datenerfassungseinrichtung 130 ist hier exemplarisch als
Straßensensor ausgeführt und dazu eingerichtet, beispielsweise eine
Straßentemperatur, vorbeifahrende Fahrzeuge oder ähnliches zu erfassen. Die Datenerfassungseinrichtung 140 ist hier exemplarisch ein von den
Verkehrsflächenabschnit RS1 ggf. auch weiter entfernter Weterdienst, eine lokale Weterstation oder ähnliches und dazu eingerichtet, beispielsweise Weterdaten, wie Niederschlagsmenge, Sonnenintensität oder ähnliches, zu erfassen. Funktional betrachtet, sind die Datenerfassungseinrichtungen 120, 130, 140 dazu eingerichtet Mess- und/oder Schätzdaten mit einem Zeitbezug zu liefern. Damit stellen die Datenerfassungseinrichtungen 130, 140 dem System 100 bzw. der Datenverarbeitungseinrichtung 100 über die Datenschnitstelle zweite Daten zur Verfügung, die wenigstens Umgebungsbedingungsdaten des Verkehrsflächenabschnits umfassen. Die Umgebungsbedingungsdaten können jedoch auch durch die zusätzlichen Daten der Datenerfassungseinrichtung 120 gestützt werden.
Das System 100 bzw. die Datenverarbeitungseinrichtung 100 verfügt ferner über eine (nicht näher bezeichnete) Datenschnitstelle, über die sie mit einer Vielzahl der Fahrzeuge V zum Datenempfang verbindbar oder verbunden ist. So kann der durch das System 100 bzw. die Datenverarbeitungseinrichtung 100 bestimmte Reibwert m dem Fahrzeug zur dortigen Verarbeitung, z.B. zur
Routenberechnung, Trajektorienberechnung usw. bereitgestellt werden.
Weiter Bezug nehmend auf Figur 1 wird nun ein beispielhafter Betrieb des Systems 100 bzw. der Datenverarbeitungseinrichtung 100 erläutert. Wie oben erwähnt, dienen zum Bilden einer Datenbasis als Eingangsdaten des Systems 100 die von den Fahrzeugen MV, also den
Datenerfassungseinrichtungen 120 erfassten, gemessenen und/oder bestimmten Reibwertdaten in Form der ersten Daten. Zudem werden die zweiten Daten erfasst, die die von z.B. den Datenerfassungseinrichtungen 130, 140 und/oder 120 erfassten Umgebungsbedingungsdaten des Verkehrsflächenabschnitts umfassen, bei denen die Reibwertdaten von den Fahrzeug MV erfasst wurden. Die Umgebungsbedingungsdaten enthalten entweder direkt eine Information zu einer den erfassten Reibwerten zuordbaren Zwischenschicht, z.B. trocken, nass, feucht usw., des Verkehrsflächenabschnitts RS oder die
Datenverarbeitungseinrichtung 100 ist dazu eingerichtet, z.B. über ein Modell, diese zu bestimmen.
Zu einer Bestimmungszeit, beispielsweise auf Anforderung des Fahrzeugs V, das z.B. eine Routenberechnung durchführt, werden dem System als Eingangsdaten aktuelle oder momentane, ggf. auch für einen zukünftigen Zeitpunkt prädizierte, usw. Wetterdaten, zur Verfügung gestellt. Diese können insbesondere durch die Datenerfassungseinrichtung 140 zur Verfügung gestellt werden.
Zu der Bestimmungszeit, werden dann durch das System 100 bzw. die
Datenverarbeitungseinrichtung 110 zugehörige Messpunkte aus dem
Datenspeicher, z.B. einer Historientabelle, in dem die ersten und zweiten Daten gespeichert sind, über den Klassifikator, beispielsweise dem k-Nearest-Neighbor- Algorithmus, gefiltert. In den ersten und zweiten Daten ist der betrachtete Verkehrsflächenabschnitt RS räumlich bzw. örtlich begrenzt durch das Polygon und zeitlich begrenzt durch einen Zeitparameter. Der Zeitparameter wird über das oben erwähnte Optimierungsverfahren bestimmt.
Der bereitzustellende Reibwert m wird durch den k-Nearest-Neighbor-Algorithmus so bestimmt, dass die Bedingung erfüllt ist, dass der in den ersten Daten erfasste Reibwert bei den in den zweiten Daten erfassten Umgebungsbedingungsdaten, die mit den erhaltenen Wetterdaten korrelieren, bezogen auf einen bestimmten Zeitparameter innerhalb eines Wertebereichs liegt. Der Wertebereich ist beispielsweise so begrenzt, dass geringe Abweichungen der gesammelten ersten und/zweiten Daten mitberücksichtigt werden können und insgesamt von einem statischen Wert ausgegangen werden kann.
In einigen Ausführungsformen wird angenommen, dass es sich für den
Verkehrsflächenabschnitt RS um statische Reibwerte handelt, so dass ein Mittewert der gefilterten Messpunkte bestimmt wird. Daraus kann ein Fehler des Mittelwerts bestimmt werden zu beispielsweise
Figure imgf000014_0001
In einigen Ausführungsformen wird nicht von statischen Reibwerten
ausgegangen. Dabei wird eine zeitliche Distanz zur aktuellen Bestimmungszeit bestimmt. Anhand der jeweiligen Distanz lässt sich dann jedem Messpunkt eine Gewichtung w, zuordnen, wobei aktuellere Reibwerte gegenüber älteren Reibwerten der ersten Daten höher gewichtet werden. Es kann beispielsweise eine zeitliche Korrelation gebildet werden, um diese Gewichtungen herzuleiten. Es gilt beispielsweise:
Figure imgf000014_0002
Über die Gewichtungen wi kann dann ein gewichteter Mittelwert bestimmt werden, der den Reibwert des Verkehrsflächenabschnitts RS für eine jeweilige Zwischenschicht wiedergibt. Dieser Reibwert gilt für den Zeitparameter, der, wie oben beschrieben, optimiert wird. Für den gewichteten Mittelwert des Reibwerts gilt beispielsweise:
Figure imgf000014_0003
Über Ein-Sigma Konfidenz-Intervalle der Messpunkte kann auch ein Ein-Sigma Fehler des Mittelwerts bestimmt werden, beispielsweise nach
Figure imgf000015_0001
Der bestimmte Mittelwert mit dem bestimmten Fehler kann durch einen
Hypothesen-Test, beispielsweise einem Drei-Sigma-Test, einer Vorgabe eines
Signifikanzniveaus usw., überprüft werden, ob diese mit ausreichender Sicherheit über einem Grenzwert liegen, um dem Fahrzeug V einen möglichst
zuverlässigen Reibwert m bereitzustellen. Figur 2 fasst ein Verfahren zum Bereitstellen des Reibwerts m für den
Verkehrsflächenabschnitt RS an das Fahrzeug V zusammen. In einem Schritt S1 erfolgt ein Erfassen der ersten Daten, die die fahrzeugseitig bestimmten
Reibwertdaten des Verkehrsflächenabschnitts RS umfassen. In einem Schritt S2 erfolgt ein Erfassen der zweiten Daten, die die Umgebungsbedingungsdaten des Verkehrsflächenabschnitts RS umfassen. In einem Schritt S3 erfolgt ein Erhalten von Wetterdaten, die dem Verkehrsflächenabschnitt RS zu einer
Bestimmungszeit zuordbar sind. In einem Schritt S4 erfolgt ein Bestimmen des Reibwerts m für die Bestimmungszeit auf Basis der ersten Daten und der zweiten Daten, wobei die Bedingung erfüllt ist, dass der Reibwert m aus den ersten Daten bei Umgebungsbedingungsdaten aus den zweiten Daten, die mit den erhaltenen
Wetterdaten korrelieren, bezogen auf einen bestimmten Zeitparameter innerhalb eines Wertebereichs liegt.

Claims

Ansprüche
1. Verfahren zum Bereitstellen eines Reibwerts (m) für einen
Verkehrsflächenabschnitt (RS) an ein Fahrzeug (V), mit den Schritten:
- Erfassen von ersten Daten, die fahrzeugseitig bestimmte
Reibwertdaten des Verkehrsflächenabschnitts (RS) umfassen,
- Erfassen von zweiten Daten, die Umgebungsbedingungsdaten des Verkehrsflächenabschnitts (RS) umfassen,
- Erhalten von Wetterdaten, die dem Verkehrsflächenabschnitt zu einer Bestimmungszeit zuordbar sind, und
- Bestimmen des Reibwerts (m) für die Bestimmungszeit auf Basis der ersten Daten und der zweiten Daten, wobei die Bedingung erfüllt ist, dass der Reibwert (m) aus den ersten Daten bei
Umgebungsbedingungsdaten aus den zweiten Daten, die mit den erhaltenen Wetterdaten korrelieren, bezogen auf einen bestimmten Zeitparameter innerhalb eines Wertebereichs liegt.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Bestimmen des Reibwerts eine Nächste- Nachbarn- Klassifikation auf Basis der ersten und/oder zweiten Daten umfasst.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das
Bestimmen des Reibwerts (m) ein Bestimmen einer Zwischenschicht des Verkehrsflächenabschnitts (RS) aus den ersten und/oder zweiten Daten umfasst.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass das Bestimmen des Reibwerts (p)eine Bestimmung eines mittleren Fehlers (Aperr) des Reibwerts (m) aus den ersten und/oder zweiten Daten umfasst.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass das Bestimmen des Reibwerts (m) eine Gewichtung möglicher Reibwerte umfasst, wobei die in den ersten Daten umfassten Reibwertendaten stärker gewichtet werden, wenn diese eine geringere zeitliche Distanz zur Bestimmungszeit aufweisen.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass aus der
Gewichtung ein gewichteter Mittelwert des Reibwerts (m) bestimmt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass der Zeitparameter durch ein Optimierungsverfahren bestimmt wird.
8. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass das
Optimierungsverfahren ausgewählt wird aus: Grid Search, Random Search, Bayessche Optimierung und dergleichen.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch
gekennzeichnet, dass vor dem Bereitstellen des Reibwerts (m) ein
Hypothesen-Test des bestimmten Reibwerts durchgeführt wird.
10. System zum Bereitstellen eines Reibwerts (m) für einen
Verkehrsflächenabschnitt (RS) an ein Fahrzeug, mit einer Datenschnittstelle und einer Datenverarbeitungseinrichtung (110), die dazu eingerichtet ist,
- erste Daten zu erfassen, die fahrzeugseitig bestimmte Reibwertdaten des Verkehrsflächenabschnitts (RS) umfassen,
- zweite Daten zu erfassen, die Umgebungsbedingungsdaten des Verkehrsflächenabschnitts (RS) umfassen,
- Wetterdaten zu erhalten, die dem Verkehrsflächenabschnitt zu einer Bestimmungszeit zuordbar sind, und
- den bereitzustellenden Reibwert (m) für die Bestimmungszeit auf Basis der ersten Daten und der zweiten Daten zu bestimmen, wobei die Bedingung erfüllt ist, dass der Reibwert aus den ersten Daten bei Umgebungsbedingungsdaten aus den zweiten Daten, die mit den erhaltenen Wetterdaten korrelieren, bezogen auf einen bestimmten Zeitparameter innerhalb eines Wertebereichs liegt.
PCT/EP2019/077306 2018-10-09 2019-10-09 Verfahren und system zum bereitstellen eines reibwerts an ein fahrzeug WO2020074559A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018217193.9A DE102018217193A1 (de) 2018-10-09 2018-10-09 Verfahren und System zum Bereitstellen eines Reibwerts an ein Fahrzeug
DE102018217193.9 2018-10-09

Publications (1)

Publication Number Publication Date
WO2020074559A1 true WO2020074559A1 (de) 2020-04-16

Family

ID=68233979

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/077306 WO2020074559A1 (de) 2018-10-09 2019-10-09 Verfahren und system zum bereitstellen eines reibwerts an ein fahrzeug

Country Status (2)

Country Link
DE (1) DE102018217193A1 (de)
WO (1) WO2020074559A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020208189A1 (de) 2020-06-30 2021-12-30 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung mindestens eines Fahrbahnkontaktparameters eines Fahrzeugs

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040138831A1 (en) * 2002-11-08 2004-07-15 Kabushiki Kaisha Toyota Chuo Kenkyusho Road surface state estimating apparatus, road surface friction state estimating apparatus, road surface state physical quantity calculating apparatus, and road surface state announcing apparatus
DE102013222634A1 (de) * 2013-11-07 2015-05-07 Volkswagen Aktiengesellschaft Verfahren zur Prognostizierung eines Fahrbahn-Reibungsbeiwerts sowie Verfahren zum Betrieb eines Kraftfahrzeugs
DE102015201383A1 (de) * 2015-01-27 2016-07-28 Bayerische Motoren Werke Ag Fahrstabilisierung für ein Fahrzeug
WO2016120092A1 (de) 2015-01-29 2016-08-04 Robert Bosch Gmbh Verfahren zum betrieb einer reibwertdatenbank und reibwertdatenbank
EP3206411A1 (de) * 2016-02-11 2017-08-16 Volvo Car Corporation Anordnung und verfahren zur vorhersage der strassenreibung in einem strassennetz
WO2017167583A1 (de) * 2016-04-01 2017-10-05 Robert Bosch Gmbh Verfahren und vorrichtung zur reibwertbestimmung eines befahrbaren untergrunds mittels eines ego-fahrzeugs
DE102016209984A1 (de) * 2016-06-07 2017-12-07 Lucas Automotive Gmbh Verfahren zur Schätzung einer Wahrscheinlichkeitsverteilung des maximalen Reibwerts an einem aktuellen und/oder zukünftigen Wegpunkt eines Fahrzeugs
DE102016221975A1 (de) * 2016-11-09 2018-05-09 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrerassistenzsystems, Fahrerassistenzsystem

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014103843A1 (de) * 2013-11-19 2015-05-21 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren und Vorrichtung zur Reibwertermittlung in einem Fahrzeug
DE102016225352B4 (de) * 2016-12-16 2018-10-04 Volkswagen Aktiengesellschaft Verfahren zum Schätzen eines Reibwerts einer Fahrbahn mittels eines Kraftfahrzeugs sowie Steuervorrichtung und Kraftfahrzeug
US10106168B2 (en) * 2017-02-27 2018-10-23 GM Global Technology Operations LLC Methods and systems for proactively estimating road surface friction coefficient

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040138831A1 (en) * 2002-11-08 2004-07-15 Kabushiki Kaisha Toyota Chuo Kenkyusho Road surface state estimating apparatus, road surface friction state estimating apparatus, road surface state physical quantity calculating apparatus, and road surface state announcing apparatus
DE102013222634A1 (de) * 2013-11-07 2015-05-07 Volkswagen Aktiengesellschaft Verfahren zur Prognostizierung eines Fahrbahn-Reibungsbeiwerts sowie Verfahren zum Betrieb eines Kraftfahrzeugs
DE102015201383A1 (de) * 2015-01-27 2016-07-28 Bayerische Motoren Werke Ag Fahrstabilisierung für ein Fahrzeug
WO2016120092A1 (de) 2015-01-29 2016-08-04 Robert Bosch Gmbh Verfahren zum betrieb einer reibwertdatenbank und reibwertdatenbank
EP3206411A1 (de) * 2016-02-11 2017-08-16 Volvo Car Corporation Anordnung und verfahren zur vorhersage der strassenreibung in einem strassennetz
WO2017167583A1 (de) * 2016-04-01 2017-10-05 Robert Bosch Gmbh Verfahren und vorrichtung zur reibwertbestimmung eines befahrbaren untergrunds mittels eines ego-fahrzeugs
DE102016209984A1 (de) * 2016-06-07 2017-12-07 Lucas Automotive Gmbh Verfahren zur Schätzung einer Wahrscheinlichkeitsverteilung des maximalen Reibwerts an einem aktuellen und/oder zukünftigen Wegpunkt eines Fahrzeugs
DE102016221975A1 (de) * 2016-11-09 2018-05-09 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Fahrerassistenzsystems, Fahrerassistenzsystem

Also Published As

Publication number Publication date
DE102018217193A1 (de) 2020-04-09

Similar Documents

Publication Publication Date Title
DE102017103123A1 (de) Fahrzeugfahrbahnplatzierung
DE102014203312A1 (de) Automatische Straßenneigungskartierung
DE102016205434A1 (de) Verfahren und System zum Erstellen einer spurgenauen Belegungskarte für Fahrspuren
DE102016205436A1 (de) Verfahren und System zum Erstellen einer digitalen Karte
DE102018203583B4 (de) Verfahren, Fahrerassistenzsystem sowie Kraftfahrzeug zur Prädiktion einer Position oder einer Trajektorie mittels eines graphbasierten Umgebungsmodells
DE102017214053A1 (de) Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
DE112021001181T5 (de) Iterativer Optimierungsalgorithmus zur Fusionsvorhersage mit Multiskalen von Fahrzeuggeschwindigkeit für intelligente vernetzte Fahrzeuge
DE102016214045A1 (de) Verfahren und Vorrichtung zum Ermitteln eines Fahrbahnmodells für ein Fahrzeugumfeld
DE102017214030A1 (de) Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
DE102018212629A1 (de) Verfahren zur Bestimmung von Fahrbahnzuständen
DE102021114724A1 (de) Verbesserter fahrzeugbetrieb
DE102018008788A1 (de) Verfahren zur Bestimmung einer Fahrbahnrauheit
DE102018221265A1 (de) Verfahren und System zum Erfassen eines auf ein Fahrzeug einwirkenden Windes
DE102020118629B4 (de) Computerimplementiertes Verfahren zum Bestimmen der Validität einer geschätzten Position eines Fahrzeugs
EP3724041A1 (de) Verfahren zum bestimmen eines reibwerts für einen kontakt zwischen einem reifen eines fahrzeugs und einer fahrbahn und verfahren zum steuern einer fahrzeugfunktion eines fahrzeugs
DE102018217190A1 (de) Verfahren und System zum Bereitstellen einer Reibwertinformation für einen Verkehrsflächenabschnitt
DE102017218383A1 (de) Verfahren und Vorrichtung zum Ermitteln eines Reibwertes einer Fahrbahn
DE102019210767A1 (de) Verfahren und Vorrichtung zum Fusionieren einer Mehrzahl von Signalen einer Ultraschallsensorik eines Fortbewegungsmittels
DE102019116962A1 (de) Transportinfrastrukturkommunikation und -steuerung
WO2020074559A1 (de) Verfahren und system zum bereitstellen eines reibwerts an ein fahrzeug
DE102020118589A1 (de) Verbesserter fahrzeugbetrieb
WO2020074563A1 (de) Verfahren und system zum bereitstellen einer reibwertinformation an ein fahrzeug
DE102019209255B4 (de) Ermitteln eines Fahrbahnzustands
DE102017214061A1 (de) Verfahren zum Bestimmen eines Reibwerts für einen Kontakt zwischen einem Reifen eines Fahrzeugs und einer Fahrbahn und Verfahren zum Steuern einer Fahrzeugfunktion eines Fahrzeugs
EP3665057B1 (de) Verfahren und vorrichtung zum ermitteln eines reibwertes einer fahrbahn

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19786752

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19786752

Country of ref document: EP

Kind code of ref document: A1