路面状態判定方法とその装置
【課題】ピーク位置の検出や車輪速の計測を行うことなくタイヤ振動の時系列波形を分割して路面状態を判定するとともに、タイヤサイズ変更に対するロバスト性を路面状態の判定に付与する。
【解決手段】タイヤ振動検出手段により検出したタイヤ振動の時系列波形を窓掛け手段により窓掛けして、時間窓毎のタイヤ振動の時系列波形を抽出して特徴ベクトルＸを算出した後、路面ＨＭＭ毎に尤度Ｚを算出し、この路面ＨＭＭ毎に算出された尤度Ｚ１〜Ｚ５を比較し、最も尤度が大きくなる路面ＨＭＭに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するようにした。
【解決手段】タイヤ振動検出手段により検出したタイヤ振動の時系列波形を窓掛け手段により窓掛けして、時間窓毎のタイヤ振動の時系列波形を抽出して特徴ベクトルＸを算出した後、路面ＨＭＭ毎に尤度Ｚを算出し、この路面ＨＭＭ毎に算出された尤度Ｚ１〜Ｚ５を比較し、最も尤度が大きくなる路面ＨＭＭに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するようにした。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、車両の走行する路面の状態を判定する方法とその装置に関するもので、特に、走行中のタイヤ振動の時系列波形のデータのみを用いて路面状態を判定する方法に関する。
【背景技術】
【０００２】
従来、走行中のタイヤ振動を検出して路面状態を推定する方法としては、検出されたタイヤ振動の時系列波形を踏込み前領域―接地面領域―蹴出し後領域、あるいは、踏込み前領域―踏み込み領域―接地面領域―蹴出し領域―蹴出し後領域などの複数の領域に分割し、前記各領域から、例えば、踏込み前領域と接地面領域における低周波帯域の振動成分と高周波帯域での振動成分のように、路面状態が異なると振動レベルが大きく変化する周波数帯域の振動レベルと振動レベルが路面状態によらない周波数帯域の振動レベルとを抽出し、これらの振動レベルの比から車両の走行している路面の状態を推定する方法が提案されている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】ＷＯ ２００６/１３５０９０ Ａ１
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、前記従来の方法では、タイヤ振動の時系列波形に出現する蹴り出し位置などのピーク位置を基準として特定時間位置の始点を決定し、車輪速を用いて各領域の時間幅を決める必要があるため、領域幅の設定精度が必ずしも十分とはいえなかった。
また、タイヤサイズが異なるタイヤでは、接地長が変化するため、タイヤサイズ毎に領域幅を設定し直す必要があった。
【０００５】
本発明は、従来の問題点に鑑みてなされたもので、ピーク位置の検出や車輪速の計測を行うことなくタイヤ振動の時系列波形を分割して路面状態を判定するとともに、タイヤサイズ変更に対するロバスト性を路面状態の判定に付与することを目的とする。
【課題を解決するための手段】
【０００６】
本願の請求項１に記載の発明は、走行中のタイヤの振動を検出してタイヤの接している路面の状態を判定する方法であって、走行中のタイヤの振動を検出するステップと、前記検出されたタイヤ振動から予め設定した時間幅毎のタイヤ振動の時系列波形を取り出すステップと、前記時系列波形から特徴ベクトルを算出するステップと、前記特徴ベクトルの尤度を、予め路面状態毎に構成された複数の隠れマルコフモデルのそれぞれについて算出するステップと、前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するステップとを備え、前記特徴ベクトルが特定周波数帯域の振動レベルもしくは前記振動レベルの関数であり、前記隠れマルコフモデルが少なくとも４つの状態を有することを特徴とする。
なお、「４つの状態」とは、「開始及び終了」の２状態の他、「踏み前」、「踏み」、「蹴り前」、「蹴り」、「蹴り後」の５状態のうちの２つの状態を指す。
このように、タイヤ振動の時系列波形に隠れマルコフモデル（以下、ＨＭＭという）を適用したので、ピーク位置の検出や車輪速の計測を行うことなくタイヤ振動の波形を特徴的な複数の状態に分割できるとともに、各状態における特徴ベクトルの出力確率と状態遷移確率とを用いて算出された尤度に基づいて路面状態を判定するようにしたので、路面状態の判定精度を大幅に向上させることができる。
また、ＨＭＭを適用することで接地長に無関係に路面状態の判定を行うことができるので、タイヤサイズ変更に対するロバスト性を路面状態の判定に付与することができる。
【０００７】
請求項２に記載の発明は、請求項１に記載の路面状態判定方法であって、前記特徴ベクトルが、前記時系列波形をフーリエ変換したときの特定周波数帯域の振動レベル（フーリエ係数）、前記時系列波形をバンドパスフィルタを通して得られた特定周波数帯域の振動レベル、前記特定周波数帯域の振動レベルの時変分散、及び、前記時系列波形の周波数ケプストラム係数のいずれか１つ、または複数、または全部であることを特徴とする。
路面状態によるタイヤ振動の違いは、タイヤ振動の時系列波形そのものにも表れるが、本発明では、周波数に依存する値を特徴ベクトルとして用いることで尤度の差が出やすいようにしたので、路面状態の判定精度を更に向上させることができる。
【０００８】
請求項３に記載の発明は、請求項１または請求項２に記載の路面状態判定方法であって、前記路面状態毎の隠れマルコフモデルが、７つの状態（「開始及び終了」の２状態と、「踏み前」、「踏み」、「蹴り前」、「蹴り」、「蹴り後」の５状態）を含むことを特徴とする。
このように、タイヤ振動の時系列波形を７つの状態を有するＨＭＭとすることで、各状態間の特徴ベクトルの出力確率の分布の差が更に明確になるので、路面状態の判定精度を更に向上させることができる。
【０００９】
請求項４に記載の発明は、請求項１〜請求項３のいずれかに記載の路面状態判定方法であって、前記路面状態毎の隠れマルコフモデルは、接地面以外の振動波形であって、振動レベルが予め設定されたバックグラウンドレベルよりも小さな振動波形から構成された路面外隠れマルコフモデルと、接地面もしくは接地面の前後の振動波形であって振動レベルが予め設定されたバックグラウンドレベル以上の振動波形から構成された路面内隠れマルコフモデルとを有し、前記路面外隠れマルコフモデルが前記路面内隠れマルコフモデルの前及び後のいずれか一方もしくは両方に設けられていることを特徴とする。
このように、接地面前後の振動レベルが小さい領域を含むモデルを追加して判定を行うようにすれば、路面状態の判定精度を更に向上させることができる。
【００１０】
請求項５に記載の発明は、走行中のタイヤの振動を検出してタイヤの接している路面の状態を判定する路面状態判定装置であって、タイヤトレッド部のインナーライナー部の気室側に配設されて走行中のタイヤの振動を検出するタイヤ振動検出手段と、前記タイヤ振動検出手段で検出された前記タイヤ振動の時系列波形を予め設定した時間幅で窓掛けして時間窓毎にタイヤ振動の時系列波形を抽出する窓掛け手段と、前記抽出された時間窓毎の時系列波形から特定周波数帯域の振動レベルもしくは前記振動レベルの関数を成分とする特徴ベクトルを算出する特徴ベクトル算出手段と、予め路面状態毎に構成された少なくとも４つの状態を有する複数の隠れマルコフモデルを記憶する記憶手段と、前記特徴ベクトルの尤度を、前記記憶手段に記憶された複数の隠れマルコフモデルのそれぞれについて算出する尤度算出手段と、前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する判定手段とを備えたことを特徴とする。
本発明のような構成の路面状態判定装置を用いれば、請求項１に記載の路面状態判定方法を確実に実現することができるので、ピーク位置の検出や車輪速の計測を行うことなく、踏み込み前領域や踏み込み後領域などの時間幅を確実に設定できるとともに、路面状態の判定精度を向上させることができる。
【００１１】
なお、前記発明の概要は、本発明の必要な全ての特徴を列挙したものではなく、これらの特徴群のサブコンビネーションもまた、発明となり得る。
【図面の簡単な説明】
【００１２】
【図１】本発明による路面状態判定装置の構成を示す機能ブロック図である。
【図２】加速度センサーの装着位置の一例を示す図である。
【図３】タイヤ振動の時系列波形における踏み込み前領域、踏み込み領域、蹴り出し前領、蹴り出し領域、及び、蹴り出し後領域を示す図である。
【図４】路面ＨＭＭの一例を示す図である。
【図５】尤度算出に用いた路面ＨＭＭを示す図である。
【図６】状態遷移系列の模式図である。
【図７】本発明による路面状態判定方法を示すフローチャートである。
【図８】路面内ＨＭＭと路面外ＨＭＭの例を示す図である。
【図９】路面内ＨＭＭと路面外ＨＭＭの組み合わせの例を示す図である。
【図１０】路面内ＨＭＭと路面外ＨＭＭの組み合わせの他の例を示す図である。
【図１１】路面内ＨＭＭと路面外ＨＭＭの組み合わせの他の例を示す図である。
【図１２】路面ＨＭＭを用いた路面判定結果を示す図である。
【発明を実施するための形態】
【００１３】
以下、実施の形態を通じて本発明を詳説するが、以下の実施の形態は特許請求の範囲に係る発明を限定するものでなく、また、実施の形態の中で説明される特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
【００１４】
図１は、路面状態判定装置１０の構成を示す機能ブロック図で、路面状態判定装置１０はセンサー部１０Ａと演算処理部１０Ｂとから構成される。
センサー部１０Ａは、加速度センサー１１と、信号入出力手段１２と、送信機１３とを備える。
加速度センサー１１は、図２に示すように、タイヤ２０のインナーライナー部２１のタイヤ気室２２側のほぼ中央部に一体に配置されて、路面Ｒの入力による当該タイヤ２０の振動を検出する。なお、符号２３は当該タイヤ２０のトレッド部である。
信号入出力手段１２は、加速度センサー１１の出力を増幅する増幅器１２ａと増幅された信号をデジタル信号に変換するＡ/Ｄ変換器１２ｂとを備える。信号入出力手段１２は加速度センサー１１と一体に配置される。
送信機１３は、Ａ/Ｄ変換されたタイヤ振動のデータを車体側に設けられた演算処理部１０Ｂに送信するアンテナ１３ａを有し、タイヤ２０のバルブ２０ｖ近傍に配置される。
【００１５】
演算処理部１０Ｂは、受信機１４と、窓掛け手段１５と、特徴ベクトル算出手段１６と、記憶手段１７と、尤度算出手段１８と、判定手段１９とを備える。
受信機１４はアンテナ１４ａを有し、送信機１３から送られてきたタイヤの振動のデータである時系列波形をアンテナ１４ａで受信して窓掛け手段１５に送る。
図３はタイヤ振動の時系列波形の一例を示す図で、タイヤ振動の時系列波形は、踏み込み位置近傍と蹴り出し位置近傍に大きなピークを有しており、かつ、実際にはタイヤ２０の陸部が接地していない踏み込み位置の前の領域（踏み込み前領域Ｒ1）においても、蹴り出し位置の後の領域（蹴り出し後領域Ｒ5）においても、路面状態によって異なる振動が出現する。以下、踏み込み前領域Ｒ1から蹴り出し後領域Ｒ5までを路面領域といい、路面領域以外の領域を路面外領域という。路面領域は、踏み込み前領域Ｒ1と踏み込み領域Ｒ2と蹴り出し前領域Ｒ3と蹴り出し領域Ｒ4と蹴り出し後領域Ｒ5とから成る。
路面外領域では路面の影響を殆ど受けていないので、振動レベルも小さいく、路面の情報も含んでいない。以下、この領域を無情報領域Ｒ0という。
無情報領域の設定方法としては、例えば、タイヤ振動の時系列波形に対してバックグラウンドレベルを設定し、このバックグラウンドレベルよりも小さな振動レベルを有する領域を無情報領域とすればよい。
【００１６】
窓掛け手段１５は前記時系列波形を予め設定した時間幅（時間窓幅）で窓掛けし、時間窓毎にタイヤ振動の時系列波形を抽出して特徴ベクトル算出手段１６に送る。
特徴ベクトル算出手段１６は、抽出された各時間窓の時系列波形のそれぞれに対して特徴ベクトルＸを算出する。本例では、特徴ベクトルＸとして、タイヤ振動の時系列波形を、それぞれ、0-0.5kHz、0.5-1kHz、1-2kHz、2-3kHz、3-4kHz、4-5kHzのバンドパスフィルタ１６１〜１６６に通して得られた特定周波数帯域の振動レベル（フィルター濾過波のパワー値）ｘk(t)を用いた。この特徴ベクトルＸの次元は６次元である。
【００１７】
記憶手段１７は、路面状態毎に構成された複数の隠れマルコフモデル（以下、路面ＨＭＭという）を記憶する。路面ＨＭＭは、路面内ＨＭＭ（road）と路面外ＨＭＭ（silent）とから成る。路面内ＨＭＭ（road）は、タイヤ振動の時系列波形のうちの路面領域に出現する振動波形から構成され、路面外ＨＭＭ（silent）は、無情報領域の振動波形から構成される。
路面ＨＭＭは、図４に示すように、タイヤ振動の時系列波形に対応した７つの状態Ｓ1〜Ｓ7を有し、各状態Ｓ1〜Ｓ7は、それぞれ、特徴ベクトルＸの出力確率ｂij（Ｘ）と状態間の遷移確率ａij（Ｘ）の２種類のパラメータにより構成されている（ｉ，ｊ＝１〜７）。
本例では、各路面ＨＭＭの開始状態Ｓ1と終了状態Ｓ7とを除く５つの状態Ｓ2〜Ｓ6で前記タイヤ振動の時系列波形を５つの状態に分割する学習を行って、各路面ＨＭＭの特徴ベクトルＸの出力確率ｂij（Ｘ）と状態間の遷移確率ａij（Ｘ）とを求めた。
出力確率ｂij（Ｘ）は状態が状態Ｓiから状態Ｓjに遷移するときに特徴ベクトルＸが出力される確率を表す。出力確率ｂij（Ｘ）は混合正規分布を仮定する。
遷移確率ａij（Ｘ）は状態が状態Ｓiから状態Ｓjに遷移する確率を表す。
なお、特徴ベクトルＸの次元がｋ次元の場合には、出力確率ｂijは特徴ベクトルＸのｋ成分ｘk毎に設定される。
【００１８】
本例では、予め、加速度センサー１１を備えたタイヤ２０を搭載した車両を、ＤＲＹ、ＷＥＴ、ＳＮＯＷ、及び、ＩＣＥの各路面でそれぞれ走行させて得られたタイヤ振動の時系列波形のデータを学習用データとして、ＤＲＹ路面ＨＭＭ、ＷＥＴ路面ＨＭＭ、ＳＮＯＷ路面ＨＭＭ、及び、ＩＣＥ路面ＨＭＭから成る４つの路面内ＨＭＭ（road）と、路面外ＨＭＭ（silent）の５つの路面ＨＭＭを構築した。
路面内ＨＭＭ（road）も路面外ＨＭＭ（silent）も、ともに、開始状態Ｓ1と終了状態Ｓ7とを含む７状態Ｓ1〜Ｓ7を有するＨＭＭである。
ＨＭＭの学習は、ＥＭアルゴリズム、Baum-Welchアルゴリズム、フォワード−バックフォワードアルゴリズム等の周知の方法で行う。
【００１９】
尤度算出手段１８は、図５に示すように、複数（ここでは、５個）の路面ＨＭＭのそれぞれについて特徴ベクトルＸの尤度を算出する。
特徴ベクトルＸの尤度を求めるには、まず、時間窓毎に出力確率Ｐ（Ｘt）を以下の式を用いて算出する。
【数１】
Ｘ；データ系列
ｔ；時刻
Ｓ；状態数
Ｍs；混合ガウス分布の成分の数
ｃjsm；ｍ番目の混合成分の混合比
μ；ガウス分布の平均ベクトル
σ；ガウス分布の分散共分散行列
遷移確率π（Ｘt）は、路面ＨＭＭが７状態であるので、７×７の行列で表わせる。この遷移確率π（Ｘt）としては、前記路面ＨＭＭの学習により求められた特徴ベクトルＸの状態間の遷移確率ａij（Ｘ）を用いればよい。
そして、算出した出力確率Ｐ（Ｘt）と遷移確率π（Ｘt）との積である時間窓毎の出現確率Ｋ（Ｘt）を求め、この時間窓毎の出現確率Ｋ（Ｘt）を全ての時間窓について掛け合わせて尤度Ｚを求める。すなわち、尤度Ｚは、Ｚ＝ΠＰ（Ｘt）・遷移確率π（Ｘt）により求められる。あるいは、それぞれの時間窓毎に計算された出現確率Ｋ（Ｘt）の対数をとって、全ての時間窓について足し合わせることで尤度Ｚを求めてもよい。
ところで、路面ＨＭＭの状態が状態Ｓ1から状態Ｓ7まで遷移する経路（状態遷移系列）は、図６に示すように、複数存在する。すなわち、各路面ＨＭＭのそれぞれについて、尤度Ｚは状態遷移系列毎に異なる。
本例では、周知のビタビアルゴリズムを適用して最も尤度Ｚが大きい状態遷移系列ＺMを求め、この状態遷移系列を検出されたタイヤ振動の時系列波形に対応する状態遷移系列とするとともに、前記尤度ＺMを当該路面ＨＭＭのＺとする。
尤度ＺMは路面ＨＭＭ毎に求められる。
判定手段１９は、尤度算出手段１８により算出された複数の隠れマルコフモデル毎の尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する。
すなわち、ＤＲＹ路面ＨＭＭの尤度をＺ１、ＷＥＴ路面ＨＭＭの尤度をＺ２、ＳＮＯＷ路面ＨＭＭの尤度をＺ３、ＩＣＥ路面ＨＭＭの尤度をＺ４、路面外ＨＭＭの尤度をＺ５とすると、判定手段１９では、前記Ｚ１〜Ｚ５を比較し、最も大きな尤度を示した路面ＨＭＭに対応する路面状態を現在の路面状態と判定する。なお、Ｚ５の尤度が最大である場合にはデータが路面外のデータであると判定し、路面状態の判定は行わない。
【００２０】
次に、路面状態判定装置１０を用いて、タイヤ２０の走行している路面の状態を判定する方法について、図７のフローチャートを参照して説明する。本例では、路面ＨＭＭとして、ＤＲＹ路面ＨＭＭ、ＷＥＴ路面ＨＭＭ、ＳＮＯＷ路面ＨＭＭ、ＩＣＥ路面ＨＭＭ、及び、路面外ＨＭＭの５つのモデルを用いた。
まず、加速度センサー１１により、タイヤ２０が走行している路面Ｒからの入力によって発生したタイヤ振動を検出して演算処理部１０Ｂに送る（ステップＳ１０）。
そして、タイヤ振動のデータである時系列波形を予め設定した時間窓で窓掛けし、時間窓毎にタイヤ振動の時系列波形を抽出し（ステップＳ１１）、しかる後に、抽出された各時間窓の時系列波形のそれぞれに対して特徴ベクトルＸ＝（ｘ1(t)，ｘ2(t)，ｘ3(t)，ｘ4(t)，ｘ5(t)，ｘ6(t)）を算出する（ステップＳ１２）。
本例では時間窓幅を2msec.とした。
特徴ベクトルＸの各成分ｘ1(t)〜ｘ6(t)は、上述したように、タイヤ振動の時系列波形のフィルター濾過波のパワー値である。
特徴ベクトルＸの算出後には、図５に示すように、複数の路面ＨＭＭのそれぞれについて特徴ベクトルＸの尤度を算出する（ステップＳ１３〜ステップＳ１５）。各路面ＨＭＭの構成については、図４に示した通りである。
具体的には、まず、１番目のモデルであるＤＲＹ路面ＨＭＭについて、時間窓毎に出現確率Ｋ（Ｘt）＝出力確率Ｐ（Ｘt）×遷移確率π（Ｘt）を求め（ステップＳ１３）て、この出現確率Ｋ（Ｘt）を全ての時間窓について掛け合わせてＤＲＹ路面ＨＭＭにおける尤度Ｚ１を算出する（ステップＳ１４）。
次に、全てのモデルについて尤度Ｚの算出が終了したか否かを判定する（ステップＳ１５）。終了していない場合には、ステップＳ１３に戻って次のモデルであるＷＥＴ路面ＨＭＭにおける尤度Ｚ２を算出する。
５個全てのモデルの尤度Ｚの計算が終了した場合には、ステップＳ１６に進んで、路面ＨＭＭ毎に算出された尤度Ｚ１〜Ｚ５を比較し、最も尤度が大きくなる路面ＨＭＭに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する。
【００２１】
このように、本実施の形態では、加速度センサー１１により検出したタイヤ振動の時系列波形を窓掛け手段１５により窓掛けして、時間窓毎のタイヤ振動の時系列波形を抽出して特徴ベクトルＸを算出した後、各路面モデル毎に尤度Ｚを算出し、この路面ＨＭＭ毎に算出された尤度Ｚ１〜Ｚ５を比較し、最も尤度が大きくなる路面ＨＭＭに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するようにしたので、ピーク位置の検出や車輪速の計測を行うことなく、路面状態を判定することができる。
また、接地長に無関係に路面状態の判定を行うことができるので、タイヤサイズ変更に対するロバスト性を向上させることができる。
【００２２】
なお、前記実施の形態では、タイヤ振動検出手段を加速度センサー１１としたが、圧力センサーなどの他の振動検出手段を用いてもよい。また、加速度センサー１１の設置箇所についても、タイヤ幅方向中心から幅方向に所定距離だけ離隔した位置に１個ずつ配設したり、ブロック内に設置するなど他の箇所に設置してもよい。また、加速度センサー１１の個数も１個に限るものではなく、タイヤ周方向の複数箇所に設けてもよい。
また、前記例では、特徴ベクトルＸをフィルター濾過波のパワー値ｘk(t)としたが、フィルター濾過波のパワー値ｘk(t)の時変分散の平均値μk及び標準偏差σkを用いてもよい。時変分散はlog[ｘk2(t)+ ｘk-12(t)]で表わせる。なお、この場合、特徴ベクトルＸの次元は、波数帯域数（６）×パラメータ数（２）＝１２となる。
あるいは、特徴ベクトルＸを、タイヤ振動時系列波形をフーリエ変換したときの特定周波数帯域の振動レベルであるフーリエ係数、もしくは、ケプストラム係数としてもよい。
ケプストラムは、フーリエ変換後の波形をスペクトル波形とみなし、再度フーリエ変換して得られるか、もしくは、ＡＲスペクトルを波形とみなし、更にＡＲ係数を求めて得られる（LPCepstra）もので、絶対レベルに影響されずにスペクトルの形状を特徴付けできるので、フーリエ変換により得られる周波数スペクトルを用いた場合よりも判定精度が向上する。LPCepstraの場合、特徴ベクトルＸの次元は、パワー値（１）＋ケプストラム係数（１２）と、その一次差分及び二次差分を用いるので、特徴ベクトルＸの次元は３９となる。
【００２３】
また、前記例では、図８（ａ）〜（ｅ）に示すような、７状態（Ｓ1〜Ｓ7）の路面ＨＭＭを５個（４個の路面内ＨＭＭ（road）と路面外ＨＭＭ（silent））設定したが、路面内ＨＭＭ（road）と路面外ＨＭＭ（silent）とを組み合わせてもよい。
組み合わせとしては、図９（ａ）〜（ｄ）に示すような、silent−road−silentの組み合わせの他に、図１０（ａ）〜（ｄ）に示すような、silent−roadの組み合わせや、図１１（ａ）〜（ｄ）に示すような、road−silentの組み合わせがある。
路面内ＨＭＭ（road）は、ＤＲＹ路面ＨＭＭ、ＷＥＴ路面ＨＭＭ、ＳＮＯＷ路面ＨＭＭ、及び、ＩＣＥ路面ＨＭＭの４種類のＨＭＭがあるので、図８（ｅ）に示した路面外ＨＭＭ（silent）のみの場合を含めると、路面ＨＭＭは１７個となる。したがって、図８（ａ）〜（ｅ）に示した５個のモデルに、図９〜図１１に示した１２個のモデルのうちの複数、もしくは、全部を追加すれば、路面の判定精度を更に向上させることができる。
【実施例】
【００２４】
４台の試験車両Ａ〜Ｄに、それぞれ、加速度センサーが取り付けられたタイヤを装着し、ＤＲＹ、ＷＥＴ、ＳＮＯＷ、及び、ＩＣＥの各路面でそれぞれ３０〜９０km/hで走行させて得られたタイヤ振動の時系列波形から路面ＨＭＭを用いて路面状態を判定した。
試験車両Ａは前輪駆動車でタイヤサイズは165/70R14である。
試験車両Ｂは後輪駆動車でタイヤサイズは195/65R15である。
試験車両Ｃは前輪駆動車でタイヤサイズは195/60R15である。
試験車両Ｄは前輪駆動車でタイヤサイズは185/70R14である。
なお、各タイヤのトレッドパターンについては、全て一定（ブリヂストン；BLIZZAK REV02）とした。
学習用のデータは試験車両Ａでのデータを使用した。
また、路面ＨＭＭとして、図８〜図１１に示した１７個のモデルを使用し、特徴ベクトルＸとしてLPCepstraを用いた場合とフィルター濾過波のパワー値ｘk(t)の時変分散の平均値μkと標準偏差σkとを用いた場合の２通りについて路面判定した。その結果を図１２の表に示す。判定結果は正答率（％）で示した。
図１２の表から明らかなように、LPCepstraを用いた場合には、いずれのタイヤにおいても正答率が約９０％かそれ以上の高い正答率が得られた。また、フィルター濾過波のパワー値ｘk(t)の時変分散の平均値μkと標準偏差σkとを用いた場合には、断面幅が大きなタイヤを搭載した車両Ｂ，Ｃについては正答率が必ずしも十分ではないが、車両Ａ，Ｄについては８０％以上の高い正答率が得られたことから、本願発明を適用することにより、路面状態を精度よく判定できることが確認された。
【００２５】
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は前記実施の形態に記載の範囲には限定されない。前記実施の形態に、多様な変更または改良を加えることが可能であることが当業者にも明らかである。そのような変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲から明らかである。
【００２６】
本発明によれば、ピーク位置の検出や車輪速の計測を行うことなくタイヤ振動の時系列波形を分割できるとともに、タイヤサイズに対してロバストに路面状態を判定できるので、ＡＢＳやＶＳＣ等の車両制御の精度を格段に向上させることができる。
【符号の説明】
【００２７】
１０ 路面状態判定装置、１０Ａ センサー部、１０Ｂ 演算処理部、
１１ 加速度センサー、１２ 信号入出力手段、１２ａ 増幅器、
１２ｂ Ａ/Ｄ変換器、１３ 送信機、１４ 受信機、１５ 窓掛け手段、
１６ 特徴ベクトル算出手段、１６１〜１６６ バンドパスフィルタ、
１７ 記憶手段、１８ 尤度算出手段、１９ 判定手段、
２０ タイヤ、２１ インナーライナー部、２２ タイヤ気室、２３ トレッド部、
Ｒ 路面。
【技術分野】
【０００１】
本発明は、車両の走行する路面の状態を判定する方法とその装置に関するもので、特に、走行中のタイヤ振動の時系列波形のデータのみを用いて路面状態を判定する方法に関する。
【背景技術】
【０００２】
従来、走行中のタイヤ振動を検出して路面状態を推定する方法としては、検出されたタイヤ振動の時系列波形を踏込み前領域―接地面領域―蹴出し後領域、あるいは、踏込み前領域―踏み込み領域―接地面領域―蹴出し領域―蹴出し後領域などの複数の領域に分割し、前記各領域から、例えば、踏込み前領域と接地面領域における低周波帯域の振動成分と高周波帯域での振動成分のように、路面状態が異なると振動レベルが大きく変化する周波数帯域の振動レベルと振動レベルが路面状態によらない周波数帯域の振動レベルとを抽出し、これらの振動レベルの比から車両の走行している路面の状態を推定する方法が提案されている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】ＷＯ ２００６/１３５０９０ Ａ１
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、前記従来の方法では、タイヤ振動の時系列波形に出現する蹴り出し位置などのピーク位置を基準として特定時間位置の始点を決定し、車輪速を用いて各領域の時間幅を決める必要があるため、領域幅の設定精度が必ずしも十分とはいえなかった。
また、タイヤサイズが異なるタイヤでは、接地長が変化するため、タイヤサイズ毎に領域幅を設定し直す必要があった。
【０００５】
本発明は、従来の問題点に鑑みてなされたもので、ピーク位置の検出や車輪速の計測を行うことなくタイヤ振動の時系列波形を分割して路面状態を判定するとともに、タイヤサイズ変更に対するロバスト性を路面状態の判定に付与することを目的とする。
【課題を解決するための手段】
【０００６】
本願の請求項１に記載の発明は、走行中のタイヤの振動を検出してタイヤの接している路面の状態を判定する方法であって、走行中のタイヤの振動を検出するステップと、前記検出されたタイヤ振動から予め設定した時間幅毎のタイヤ振動の時系列波形を取り出すステップと、前記時系列波形から特徴ベクトルを算出するステップと、前記特徴ベクトルの尤度を、予め路面状態毎に構成された複数の隠れマルコフモデルのそれぞれについて算出するステップと、前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するステップとを備え、前記特徴ベクトルが特定周波数帯域の振動レベルもしくは前記振動レベルの関数であり、前記隠れマルコフモデルが少なくとも４つの状態を有することを特徴とする。
なお、「４つの状態」とは、「開始及び終了」の２状態の他、「踏み前」、「踏み」、「蹴り前」、「蹴り」、「蹴り後」の５状態のうちの２つの状態を指す。
このように、タイヤ振動の時系列波形に隠れマルコフモデル（以下、ＨＭＭという）を適用したので、ピーク位置の検出や車輪速の計測を行うことなくタイヤ振動の波形を特徴的な複数の状態に分割できるとともに、各状態における特徴ベクトルの出力確率と状態遷移確率とを用いて算出された尤度に基づいて路面状態を判定するようにしたので、路面状態の判定精度を大幅に向上させることができる。
また、ＨＭＭを適用することで接地長に無関係に路面状態の判定を行うことができるので、タイヤサイズ変更に対するロバスト性を路面状態の判定に付与することができる。
【０００７】
請求項２に記載の発明は、請求項１に記載の路面状態判定方法であって、前記特徴ベクトルが、前記時系列波形をフーリエ変換したときの特定周波数帯域の振動レベル（フーリエ係数）、前記時系列波形をバンドパスフィルタを通して得られた特定周波数帯域の振動レベル、前記特定周波数帯域の振動レベルの時変分散、及び、前記時系列波形の周波数ケプストラム係数のいずれか１つ、または複数、または全部であることを特徴とする。
路面状態によるタイヤ振動の違いは、タイヤ振動の時系列波形そのものにも表れるが、本発明では、周波数に依存する値を特徴ベクトルとして用いることで尤度の差が出やすいようにしたので、路面状態の判定精度を更に向上させることができる。
【０００８】
請求項３に記載の発明は、請求項１または請求項２に記載の路面状態判定方法であって、前記路面状態毎の隠れマルコフモデルが、７つの状態（「開始及び終了」の２状態と、「踏み前」、「踏み」、「蹴り前」、「蹴り」、「蹴り後」の５状態）を含むことを特徴とする。
このように、タイヤ振動の時系列波形を７つの状態を有するＨＭＭとすることで、各状態間の特徴ベクトルの出力確率の分布の差が更に明確になるので、路面状態の判定精度を更に向上させることができる。
【０００９】
請求項４に記載の発明は、請求項１〜請求項３のいずれかに記載の路面状態判定方法であって、前記路面状態毎の隠れマルコフモデルは、接地面以外の振動波形であって、振動レベルが予め設定されたバックグラウンドレベルよりも小さな振動波形から構成された路面外隠れマルコフモデルと、接地面もしくは接地面の前後の振動波形であって振動レベルが予め設定されたバックグラウンドレベル以上の振動波形から構成された路面内隠れマルコフモデルとを有し、前記路面外隠れマルコフモデルが前記路面内隠れマルコフモデルの前及び後のいずれか一方もしくは両方に設けられていることを特徴とする。
このように、接地面前後の振動レベルが小さい領域を含むモデルを追加して判定を行うようにすれば、路面状態の判定精度を更に向上させることができる。
【００１０】
請求項５に記載の発明は、走行中のタイヤの振動を検出してタイヤの接している路面の状態を判定する路面状態判定装置であって、タイヤトレッド部のインナーライナー部の気室側に配設されて走行中のタイヤの振動を検出するタイヤ振動検出手段と、前記タイヤ振動検出手段で検出された前記タイヤ振動の時系列波形を予め設定した時間幅で窓掛けして時間窓毎にタイヤ振動の時系列波形を抽出する窓掛け手段と、前記抽出された時間窓毎の時系列波形から特定周波数帯域の振動レベルもしくは前記振動レベルの関数を成分とする特徴ベクトルを算出する特徴ベクトル算出手段と、予め路面状態毎に構成された少なくとも４つの状態を有する複数の隠れマルコフモデルを記憶する記憶手段と、前記特徴ベクトルの尤度を、前記記憶手段に記憶された複数の隠れマルコフモデルのそれぞれについて算出する尤度算出手段と、前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する判定手段とを備えたことを特徴とする。
本発明のような構成の路面状態判定装置を用いれば、請求項１に記載の路面状態判定方法を確実に実現することができるので、ピーク位置の検出や車輪速の計測を行うことなく、踏み込み前領域や踏み込み後領域などの時間幅を確実に設定できるとともに、路面状態の判定精度を向上させることができる。
【００１１】
なお、前記発明の概要は、本発明の必要な全ての特徴を列挙したものではなく、これらの特徴群のサブコンビネーションもまた、発明となり得る。
【図面の簡単な説明】
【００１２】
【図１】本発明による路面状態判定装置の構成を示す機能ブロック図である。
【図２】加速度センサーの装着位置の一例を示す図である。
【図３】タイヤ振動の時系列波形における踏み込み前領域、踏み込み領域、蹴り出し前領、蹴り出し領域、及び、蹴り出し後領域を示す図である。
【図４】路面ＨＭＭの一例を示す図である。
【図５】尤度算出に用いた路面ＨＭＭを示す図である。
【図６】状態遷移系列の模式図である。
【図７】本発明による路面状態判定方法を示すフローチャートである。
【図８】路面内ＨＭＭと路面外ＨＭＭの例を示す図である。
【図９】路面内ＨＭＭと路面外ＨＭＭの組み合わせの例を示す図である。
【図１０】路面内ＨＭＭと路面外ＨＭＭの組み合わせの他の例を示す図である。
【図１１】路面内ＨＭＭと路面外ＨＭＭの組み合わせの他の例を示す図である。
【図１２】路面ＨＭＭを用いた路面判定結果を示す図である。
【発明を実施するための形態】
【００１３】
以下、実施の形態を通じて本発明を詳説するが、以下の実施の形態は特許請求の範囲に係る発明を限定するものでなく、また、実施の形態の中で説明される特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
【００１４】
図１は、路面状態判定装置１０の構成を示す機能ブロック図で、路面状態判定装置１０はセンサー部１０Ａと演算処理部１０Ｂとから構成される。
センサー部１０Ａは、加速度センサー１１と、信号入出力手段１２と、送信機１３とを備える。
加速度センサー１１は、図２に示すように、タイヤ２０のインナーライナー部２１のタイヤ気室２２側のほぼ中央部に一体に配置されて、路面Ｒの入力による当該タイヤ２０の振動を検出する。なお、符号２３は当該タイヤ２０のトレッド部である。
信号入出力手段１２は、加速度センサー１１の出力を増幅する増幅器１２ａと増幅された信号をデジタル信号に変換するＡ/Ｄ変換器１２ｂとを備える。信号入出力手段１２は加速度センサー１１と一体に配置される。
送信機１３は、Ａ/Ｄ変換されたタイヤ振動のデータを車体側に設けられた演算処理部１０Ｂに送信するアンテナ１３ａを有し、タイヤ２０のバルブ２０ｖ近傍に配置される。
【００１５】
演算処理部１０Ｂは、受信機１４と、窓掛け手段１５と、特徴ベクトル算出手段１６と、記憶手段１７と、尤度算出手段１８と、判定手段１９とを備える。
受信機１４はアンテナ１４ａを有し、送信機１３から送られてきたタイヤの振動のデータである時系列波形をアンテナ１４ａで受信して窓掛け手段１５に送る。
図３はタイヤ振動の時系列波形の一例を示す図で、タイヤ振動の時系列波形は、踏み込み位置近傍と蹴り出し位置近傍に大きなピークを有しており、かつ、実際にはタイヤ２０の陸部が接地していない踏み込み位置の前の領域（踏み込み前領域Ｒ1）においても、蹴り出し位置の後の領域（蹴り出し後領域Ｒ5）においても、路面状態によって異なる振動が出現する。以下、踏み込み前領域Ｒ1から蹴り出し後領域Ｒ5までを路面領域といい、路面領域以外の領域を路面外領域という。路面領域は、踏み込み前領域Ｒ1と踏み込み領域Ｒ2と蹴り出し前領域Ｒ3と蹴り出し領域Ｒ4と蹴り出し後領域Ｒ5とから成る。
路面外領域では路面の影響を殆ど受けていないので、振動レベルも小さいく、路面の情報も含んでいない。以下、この領域を無情報領域Ｒ0という。
無情報領域の設定方法としては、例えば、タイヤ振動の時系列波形に対してバックグラウンドレベルを設定し、このバックグラウンドレベルよりも小さな振動レベルを有する領域を無情報領域とすればよい。
【００１６】
窓掛け手段１５は前記時系列波形を予め設定した時間幅（時間窓幅）で窓掛けし、時間窓毎にタイヤ振動の時系列波形を抽出して特徴ベクトル算出手段１６に送る。
特徴ベクトル算出手段１６は、抽出された各時間窓の時系列波形のそれぞれに対して特徴ベクトルＸを算出する。本例では、特徴ベクトルＸとして、タイヤ振動の時系列波形を、それぞれ、0-0.5kHz、0.5-1kHz、1-2kHz、2-3kHz、3-4kHz、4-5kHzのバンドパスフィルタ１６１〜１６６に通して得られた特定周波数帯域の振動レベル（フィルター濾過波のパワー値）ｘk(t)を用いた。この特徴ベクトルＸの次元は６次元である。
【００１７】
記憶手段１７は、路面状態毎に構成された複数の隠れマルコフモデル（以下、路面ＨＭＭという）を記憶する。路面ＨＭＭは、路面内ＨＭＭ（road）と路面外ＨＭＭ（silent）とから成る。路面内ＨＭＭ（road）は、タイヤ振動の時系列波形のうちの路面領域に出現する振動波形から構成され、路面外ＨＭＭ（silent）は、無情報領域の振動波形から構成される。
路面ＨＭＭは、図４に示すように、タイヤ振動の時系列波形に対応した７つの状態Ｓ1〜Ｓ7を有し、各状態Ｓ1〜Ｓ7は、それぞれ、特徴ベクトルＸの出力確率ｂij（Ｘ）と状態間の遷移確率ａij（Ｘ）の２種類のパラメータにより構成されている（ｉ，ｊ＝１〜７）。
本例では、各路面ＨＭＭの開始状態Ｓ1と終了状態Ｓ7とを除く５つの状態Ｓ2〜Ｓ6で前記タイヤ振動の時系列波形を５つの状態に分割する学習を行って、各路面ＨＭＭの特徴ベクトルＸの出力確率ｂij（Ｘ）と状態間の遷移確率ａij（Ｘ）とを求めた。
出力確率ｂij（Ｘ）は状態が状態Ｓiから状態Ｓjに遷移するときに特徴ベクトルＸが出力される確率を表す。出力確率ｂij（Ｘ）は混合正規分布を仮定する。
遷移確率ａij（Ｘ）は状態が状態Ｓiから状態Ｓjに遷移する確率を表す。
なお、特徴ベクトルＸの次元がｋ次元の場合には、出力確率ｂijは特徴ベクトルＸのｋ成分ｘk毎に設定される。
【００１８】
本例では、予め、加速度センサー１１を備えたタイヤ２０を搭載した車両を、ＤＲＹ、ＷＥＴ、ＳＮＯＷ、及び、ＩＣＥの各路面でそれぞれ走行させて得られたタイヤ振動の時系列波形のデータを学習用データとして、ＤＲＹ路面ＨＭＭ、ＷＥＴ路面ＨＭＭ、ＳＮＯＷ路面ＨＭＭ、及び、ＩＣＥ路面ＨＭＭから成る４つの路面内ＨＭＭ（road）と、路面外ＨＭＭ（silent）の５つの路面ＨＭＭを構築した。
路面内ＨＭＭ（road）も路面外ＨＭＭ（silent）も、ともに、開始状態Ｓ1と終了状態Ｓ7とを含む７状態Ｓ1〜Ｓ7を有するＨＭＭである。
ＨＭＭの学習は、ＥＭアルゴリズム、Baum-Welchアルゴリズム、フォワード−バックフォワードアルゴリズム等の周知の方法で行う。
【００１９】
尤度算出手段１８は、図５に示すように、複数（ここでは、５個）の路面ＨＭＭのそれぞれについて特徴ベクトルＸの尤度を算出する。
特徴ベクトルＸの尤度を求めるには、まず、時間窓毎に出力確率Ｐ（Ｘt）を以下の式を用いて算出する。
【数１】
Ｘ；データ系列
ｔ；時刻
Ｓ；状態数
Ｍs；混合ガウス分布の成分の数
ｃjsm；ｍ番目の混合成分の混合比
μ；ガウス分布の平均ベクトル
σ；ガウス分布の分散共分散行列
遷移確率π（Ｘt）は、路面ＨＭＭが７状態であるので、７×７の行列で表わせる。この遷移確率π（Ｘt）としては、前記路面ＨＭＭの学習により求められた特徴ベクトルＸの状態間の遷移確率ａij（Ｘ）を用いればよい。
そして、算出した出力確率Ｐ（Ｘt）と遷移確率π（Ｘt）との積である時間窓毎の出現確率Ｋ（Ｘt）を求め、この時間窓毎の出現確率Ｋ（Ｘt）を全ての時間窓について掛け合わせて尤度Ｚを求める。すなわち、尤度Ｚは、Ｚ＝ΠＰ（Ｘt）・遷移確率π（Ｘt）により求められる。あるいは、それぞれの時間窓毎に計算された出現確率Ｋ（Ｘt）の対数をとって、全ての時間窓について足し合わせることで尤度Ｚを求めてもよい。
ところで、路面ＨＭＭの状態が状態Ｓ1から状態Ｓ7まで遷移する経路（状態遷移系列）は、図６に示すように、複数存在する。すなわち、各路面ＨＭＭのそれぞれについて、尤度Ｚは状態遷移系列毎に異なる。
本例では、周知のビタビアルゴリズムを適用して最も尤度Ｚが大きい状態遷移系列ＺMを求め、この状態遷移系列を検出されたタイヤ振動の時系列波形に対応する状態遷移系列とするとともに、前記尤度ＺMを当該路面ＨＭＭのＺとする。
尤度ＺMは路面ＨＭＭ毎に求められる。
判定手段１９は、尤度算出手段１８により算出された複数の隠れマルコフモデル毎の尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する。
すなわち、ＤＲＹ路面ＨＭＭの尤度をＺ１、ＷＥＴ路面ＨＭＭの尤度をＺ２、ＳＮＯＷ路面ＨＭＭの尤度をＺ３、ＩＣＥ路面ＨＭＭの尤度をＺ４、路面外ＨＭＭの尤度をＺ５とすると、判定手段１９では、前記Ｚ１〜Ｚ５を比較し、最も大きな尤度を示した路面ＨＭＭに対応する路面状態を現在の路面状態と判定する。なお、Ｚ５の尤度が最大である場合にはデータが路面外のデータであると判定し、路面状態の判定は行わない。
【００２０】
次に、路面状態判定装置１０を用いて、タイヤ２０の走行している路面の状態を判定する方法について、図７のフローチャートを参照して説明する。本例では、路面ＨＭＭとして、ＤＲＹ路面ＨＭＭ、ＷＥＴ路面ＨＭＭ、ＳＮＯＷ路面ＨＭＭ、ＩＣＥ路面ＨＭＭ、及び、路面外ＨＭＭの５つのモデルを用いた。
まず、加速度センサー１１により、タイヤ２０が走行している路面Ｒからの入力によって発生したタイヤ振動を検出して演算処理部１０Ｂに送る（ステップＳ１０）。
そして、タイヤ振動のデータである時系列波形を予め設定した時間窓で窓掛けし、時間窓毎にタイヤ振動の時系列波形を抽出し（ステップＳ１１）、しかる後に、抽出された各時間窓の時系列波形のそれぞれに対して特徴ベクトルＸ＝（ｘ1(t)，ｘ2(t)，ｘ3(t)，ｘ4(t)，ｘ5(t)，ｘ6(t)）を算出する（ステップＳ１２）。
本例では時間窓幅を2msec.とした。
特徴ベクトルＸの各成分ｘ1(t)〜ｘ6(t)は、上述したように、タイヤ振動の時系列波形のフィルター濾過波のパワー値である。
特徴ベクトルＸの算出後には、図５に示すように、複数の路面ＨＭＭのそれぞれについて特徴ベクトルＸの尤度を算出する（ステップＳ１３〜ステップＳ１５）。各路面ＨＭＭの構成については、図４に示した通りである。
具体的には、まず、１番目のモデルであるＤＲＹ路面ＨＭＭについて、時間窓毎に出現確率Ｋ（Ｘt）＝出力確率Ｐ（Ｘt）×遷移確率π（Ｘt）を求め（ステップＳ１３）て、この出現確率Ｋ（Ｘt）を全ての時間窓について掛け合わせてＤＲＹ路面ＨＭＭにおける尤度Ｚ１を算出する（ステップＳ１４）。
次に、全てのモデルについて尤度Ｚの算出が終了したか否かを判定する（ステップＳ１５）。終了していない場合には、ステップＳ１３に戻って次のモデルであるＷＥＴ路面ＨＭＭにおける尤度Ｚ２を算出する。
５個全てのモデルの尤度Ｚの計算が終了した場合には、ステップＳ１６に進んで、路面ＨＭＭ毎に算出された尤度Ｚ１〜Ｚ５を比較し、最も尤度が大きくなる路面ＨＭＭに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する。
【００２１】
このように、本実施の形態では、加速度センサー１１により検出したタイヤ振動の時系列波形を窓掛け手段１５により窓掛けして、時間窓毎のタイヤ振動の時系列波形を抽出して特徴ベクトルＸを算出した後、各路面モデル毎に尤度Ｚを算出し、この路面ＨＭＭ毎に算出された尤度Ｚ１〜Ｚ５を比較し、最も尤度が大きくなる路面ＨＭＭに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するようにしたので、ピーク位置の検出や車輪速の計測を行うことなく、路面状態を判定することができる。
また、接地長に無関係に路面状態の判定を行うことができるので、タイヤサイズ変更に対するロバスト性を向上させることができる。
【００２２】
なお、前記実施の形態では、タイヤ振動検出手段を加速度センサー１１としたが、圧力センサーなどの他の振動検出手段を用いてもよい。また、加速度センサー１１の設置箇所についても、タイヤ幅方向中心から幅方向に所定距離だけ離隔した位置に１個ずつ配設したり、ブロック内に設置するなど他の箇所に設置してもよい。また、加速度センサー１１の個数も１個に限るものではなく、タイヤ周方向の複数箇所に設けてもよい。
また、前記例では、特徴ベクトルＸをフィルター濾過波のパワー値ｘk(t)としたが、フィルター濾過波のパワー値ｘk(t)の時変分散の平均値μk及び標準偏差σkを用いてもよい。時変分散はlog[ｘk2(t)+ ｘk-12(t)]で表わせる。なお、この場合、特徴ベクトルＸの次元は、波数帯域数（６）×パラメータ数（２）＝１２となる。
あるいは、特徴ベクトルＸを、タイヤ振動時系列波形をフーリエ変換したときの特定周波数帯域の振動レベルであるフーリエ係数、もしくは、ケプストラム係数としてもよい。
ケプストラムは、フーリエ変換後の波形をスペクトル波形とみなし、再度フーリエ変換して得られるか、もしくは、ＡＲスペクトルを波形とみなし、更にＡＲ係数を求めて得られる（LPCepstra）もので、絶対レベルに影響されずにスペクトルの形状を特徴付けできるので、フーリエ変換により得られる周波数スペクトルを用いた場合よりも判定精度が向上する。LPCepstraの場合、特徴ベクトルＸの次元は、パワー値（１）＋ケプストラム係数（１２）と、その一次差分及び二次差分を用いるので、特徴ベクトルＸの次元は３９となる。
【００２３】
また、前記例では、図８（ａ）〜（ｅ）に示すような、７状態（Ｓ1〜Ｓ7）の路面ＨＭＭを５個（４個の路面内ＨＭＭ（road）と路面外ＨＭＭ（silent））設定したが、路面内ＨＭＭ（road）と路面外ＨＭＭ（silent）とを組み合わせてもよい。
組み合わせとしては、図９（ａ）〜（ｄ）に示すような、silent−road−silentの組み合わせの他に、図１０（ａ）〜（ｄ）に示すような、silent−roadの組み合わせや、図１１（ａ）〜（ｄ）に示すような、road−silentの組み合わせがある。
路面内ＨＭＭ（road）は、ＤＲＹ路面ＨＭＭ、ＷＥＴ路面ＨＭＭ、ＳＮＯＷ路面ＨＭＭ、及び、ＩＣＥ路面ＨＭＭの４種類のＨＭＭがあるので、図８（ｅ）に示した路面外ＨＭＭ（silent）のみの場合を含めると、路面ＨＭＭは１７個となる。したがって、図８（ａ）〜（ｅ）に示した５個のモデルに、図９〜図１１に示した１２個のモデルのうちの複数、もしくは、全部を追加すれば、路面の判定精度を更に向上させることができる。
【実施例】
【００２４】
４台の試験車両Ａ〜Ｄに、それぞれ、加速度センサーが取り付けられたタイヤを装着し、ＤＲＹ、ＷＥＴ、ＳＮＯＷ、及び、ＩＣＥの各路面でそれぞれ３０〜９０km/hで走行させて得られたタイヤ振動の時系列波形から路面ＨＭＭを用いて路面状態を判定した。
試験車両Ａは前輪駆動車でタイヤサイズは165/70R14である。
試験車両Ｂは後輪駆動車でタイヤサイズは195/65R15である。
試験車両Ｃは前輪駆動車でタイヤサイズは195/60R15である。
試験車両Ｄは前輪駆動車でタイヤサイズは185/70R14である。
なお、各タイヤのトレッドパターンについては、全て一定（ブリヂストン；BLIZZAK REV02）とした。
学習用のデータは試験車両Ａでのデータを使用した。
また、路面ＨＭＭとして、図８〜図１１に示した１７個のモデルを使用し、特徴ベクトルＸとしてLPCepstraを用いた場合とフィルター濾過波のパワー値ｘk(t)の時変分散の平均値μkと標準偏差σkとを用いた場合の２通りについて路面判定した。その結果を図１２の表に示す。判定結果は正答率（％）で示した。
図１２の表から明らかなように、LPCepstraを用いた場合には、いずれのタイヤにおいても正答率が約９０％かそれ以上の高い正答率が得られた。また、フィルター濾過波のパワー値ｘk(t)の時変分散の平均値μkと標準偏差σkとを用いた場合には、断面幅が大きなタイヤを搭載した車両Ｂ，Ｃについては正答率が必ずしも十分ではないが、車両Ａ，Ｄについては８０％以上の高い正答率が得られたことから、本願発明を適用することにより、路面状態を精度よく判定できることが確認された。
【００２５】
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は前記実施の形態に記載の範囲には限定されない。前記実施の形態に、多様な変更または改良を加えることが可能であることが当業者にも明らかである。そのような変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲から明らかである。
【００２６】
本発明によれば、ピーク位置の検出や車輪速の計測を行うことなくタイヤ振動の時系列波形を分割できるとともに、タイヤサイズに対してロバストに路面状態を判定できるので、ＡＢＳやＶＳＣ等の車両制御の精度を格段に向上させることができる。
【符号の説明】
【００２７】
１０ 路面状態判定装置、１０Ａ センサー部、１０Ｂ 演算処理部、
１１ 加速度センサー、１２ 信号入出力手段、１２ａ 増幅器、
１２ｂ Ａ/Ｄ変換器、１３ 送信機、１４ 受信機、１５ 窓掛け手段、
１６ 特徴ベクトル算出手段、１６１〜１６６ バンドパスフィルタ、
１７ 記憶手段、１８ 尤度算出手段、１９ 判定手段、
２０ タイヤ、２１ インナーライナー部、２２ タイヤ気室、２３ トレッド部、
Ｒ 路面。
【特許請求の範囲】
【請求項１】
走行中のタイヤの振動を検出するステップと、
前記検出されたタイヤ振動から予め設定した時間幅毎のタイヤ振動の時系列波形を取り出すステップと、
前記時系列波形から特徴ベクトルを算出するステップと、
前記特徴ベクトルの尤度を、予め路面状態毎に構成された複数の隠れマルコフモデルのそれぞれについて算出するステップと、
前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するステップとを備え、
前記特徴ベクトルが特定周波数帯域の振動レベルもしくは前記振動レベルの関数であり、
前記隠れマルコフモデルが少なくとも４つの状態を有することを特徴とする路面状態判定方法。
【請求項２】
前記特徴ベクトルが、
前記時系列波形をフーリエ変換したときの特定周波数帯域の振動レベル、
前記時系列波形をバンドパスフィルタを通して得られた特定周波数帯域の振動レベル、
前記特定周波数帯域の振動レベルの時変分散、
及び、前記時系列波形の周波数ケプストラム係数
のいずれか１つ、または複数、または全部であることを特徴とする請求項１に記載の路面状態判定方法。
【請求項３】
前記路面状態毎の隠れマルコフモデルは７つの状態を含むことを特徴とする請求項１または請求項２に記載の路面状態判定方法。
【請求項４】
前記路面状態毎の隠れマルコフモデルは、接地面以外の振動波形であって、振動レベルが予め設定されたバックグラウンドレベルよりも小さな振動波形から構成された路面外隠れマルコフモデルと、接地面もしくは接地面の前後の振動波形であって振動レベルが予め設定されたバックグラウンドレベル以上の振動波形から構成された路面内隠れマルコフモデルとを有し、
前記路面外隠れマルコフモデルが前記路面内隠れマルコフモデルの前及び後のいずれか一方もしくは両方に設けられていることを特徴とする請求項１〜請求項３のいずれかに記載の路面状態判定方法。
【請求項５】
タイヤトレッド部のインナーライナー部の気室側に配設された、走行中のタイヤの振動を検出するタイヤ振動検出手段と、
前記タイヤ振動検出手段で検出された前記タイヤ振動の時系列波形を予め設定した時間幅で窓掛けして各時間窓毎にタイヤ振動の時系列波形を抽出する窓掛け手段と、
前記抽出された時間窓毎の時系列波形から特定周波数帯域の振動レベルもしくは前記振動レベルの関数を成分とする特徴ベクトルを算出する特徴ベクトル算出手段と、
予め路面状態毎に構成された少なくとも４つの状態を有する複数の隠れマルコフモデルを記憶する記憶手段と、
前記特徴ベクトルの尤度を、前記記憶手段に記憶された複数の隠れマルコフモデルのそれぞれについて算出する尤度算出手段と、
前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する判定手段とを備えたことを特徴とする路面状態判定装置。
【請求項１】
走行中のタイヤの振動を検出するステップと、
前記検出されたタイヤ振動から予め設定した時間幅毎のタイヤ振動の時系列波形を取り出すステップと、
前記時系列波形から特徴ベクトルを算出するステップと、
前記特徴ベクトルの尤度を、予め路面状態毎に構成された複数の隠れマルコフモデルのそれぞれについて算出するステップと、
前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定するステップとを備え、
前記特徴ベクトルが特定周波数帯域の振動レベルもしくは前記振動レベルの関数であり、
前記隠れマルコフモデルが少なくとも４つの状態を有することを特徴とする路面状態判定方法。
【請求項２】
前記特徴ベクトルが、
前記時系列波形をフーリエ変換したときの特定周波数帯域の振動レベル、
前記時系列波形をバンドパスフィルタを通して得られた特定周波数帯域の振動レベル、
前記特定周波数帯域の振動レベルの時変分散、
及び、前記時系列波形の周波数ケプストラム係数
のいずれか１つ、または複数、または全部であることを特徴とする請求項１に記載の路面状態判定方法。
【請求項３】
前記路面状態毎の隠れマルコフモデルは７つの状態を含むことを特徴とする請求項１または請求項２に記載の路面状態判定方法。
【請求項４】
前記路面状態毎の隠れマルコフモデルは、接地面以外の振動波形であって、振動レベルが予め設定されたバックグラウンドレベルよりも小さな振動波形から構成された路面外隠れマルコフモデルと、接地面もしくは接地面の前後の振動波形であって振動レベルが予め設定されたバックグラウンドレベル以上の振動波形から構成された路面内隠れマルコフモデルとを有し、
前記路面外隠れマルコフモデルが前記路面内隠れマルコフモデルの前及び後のいずれか一方もしくは両方に設けられていることを特徴とする請求項１〜請求項３のいずれかに記載の路面状態判定方法。
【請求項５】
タイヤトレッド部のインナーライナー部の気室側に配設された、走行中のタイヤの振動を検出するタイヤ振動検出手段と、
前記タイヤ振動検出手段で検出された前記タイヤ振動の時系列波形を予め設定した時間幅で窓掛けして各時間窓毎にタイヤ振動の時系列波形を抽出する窓掛け手段と、
前記抽出された時間窓毎の時系列波形から特定周波数帯域の振動レベルもしくは前記振動レベルの関数を成分とする特徴ベクトルを算出する特徴ベクトル算出手段と、
予め路面状態毎に構成された少なくとも４つの状態を有する複数の隠れマルコフモデルを記憶する記憶手段と、
前記特徴ベクトルの尤度を、前記記憶手段に記憶された複数の隠れマルコフモデルのそれぞれについて算出する尤度算出手段と、
前記複数の隠れマルコフモデル毎に算出された尤度を比較し、最も尤度が大きくなる隠れマルコフモデルに対応する路面状態を当該タイヤが走行している路面の路面状態であると判定する判定手段とを備えたことを特徴とする路面状態判定装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２０１３−６５３３（Ｐ２０１３−６５３３Ａ）
【公開日】平成２５年１月１０日（２０１３．１．１０）
【国際特許分類】
【出願番号】特願２０１１−１４０９４３（Ｐ２０１１−１４０９４３）
【出願日】平成２３年６月２４日（２０１１．６．２４）
【出願人】（０００００５２７８）株式会社ブリヂストン (11,469)
【出願人】（５０４２０２４７２）大学共同利用機関法人情報・システム研究機構 (119)
【Ｆターム（参考）】
【公開日】平成２５年１月１０日（２０１３．１．１０）
【国際特許分類】
【出願日】平成２３年６月２４日（２０１１．６．２４）
【出願人】（０００００５２７８）株式会社ブリヂストン (11,469)
【出願人】（５０４２０２４７２）大学共同利用機関法人情報・システム研究機構 (119)
【Ｆターム（参考）】
[ Back to top ]