CN108369101A - 用于地图表示关于道路状况的数据的方法 - Google Patents

Abstract

本发明涉及一种用于地图表示关于道路(G)上状况的数据的方法，所述方法包括以下步骤：在数据库中记录关于道路(G)上天气状况的信息的步骤，该信息由沿着所述道路(G)移动的车辆(C)确定；记录对应于进行的记录的车辆(C)的GPS位置的步骤；在示出车辆(C)所遵循的路线的地图上显示根据GPS位置的天气状况的步骤。

Description

用于地图表示关于道路状况的数据的方法

技术领域

本发明涉及用于地图表示关于道路状况的数据的方法。本发明特别地(但不是唯一地)实现了一种基于当轮胎与地面接触时由轮胎产生的噪声来检测道路状况和沿着该道路行驶的车辆装配的轮胎的状态的方法。

背景技术

事实上，在任何时候都了解道路状况或轮胎的状态是有用的，以便与驾驶员或驾驶员辅助系统进行交互，从而及时通知他们行驶状况的变化，并且更一般地，通知他们轮胎附着状况和车辆的抓地性的可能的更改。因此，这些方法旨在突出天气状况的变化，例如在干燥、潮湿、湿润、冰雪覆盖或结冰的地面上行驶的状况之间的过渡。

为了使该数据可使用，证明了显示数据是有用的，以便对于诸如车辆驾驶员的用户可读并且可理解。

因此能够实时了解特定道路上的天气情况(例如使用由气象服务提供的数据)的地图是已知的。然而，尽管这些地图能够获得道路上的行驶状况的第一概念，但是这些地图不能够准确了解给定时刻的道路状况，这一信息能够使驾驶员或者车辆的安全系统适应行驶状况，从而减低发生事故的风险。

发明内容

因此，本发明旨在通过提供一种用于地图表示与道路状况相关的数据的方法来克服这个缺点，所述方法包括以下步骤：

-在数据库中记录关于道路上天气状况的信息的步骤，该信息由在所述道路上行驶的车辆确定，

-记录对应于进行的记录的车辆的GPS位置的步骤，

-在示出车辆所遵循的路线的地图上显示根据GPS位置的天气状况的步骤。

在一个优选的实施方案中，天气状况包括在包含以下项的组中：干燥状况、潮湿状况和湿润状况或者诸如冰雪覆盖的或结冰的状况的寒冷状况。在一个优选的实施方案中，冰雪覆盖的状况可以包括在包含以下项的组中：新鲜雪的状况、压紧的雪的状况、颗粒雪的状况以及融化的雪的状况。

潮湿状况的特征在于，水的高度与道路上的表面材料的自然粗糙度起伏相平；该潮湿状况例如对应于由小阵雨或大雨后正在干燥的道路所获得的状况。另一方面，湿润状况的特征在于，水的高度超过道路上的表面材料的自然粗糙度起伏的水平。实际上，湿润状况对应的水的高度通常在0.5毫米和1毫米之间的范围内。

在另一个优选的实施方案中，根据本发明的方法是这样的，在记录步骤中，还记录与路面的宏观纹理相关的信息，并且在这种情况下，显示步骤还包括表示该宏观纹理的步骤。该路面的宏观纹理优选地包括在包含以下项的组中：封闭状态、中等状态和开放状态。

当路面呈现出平滑的外观并且不具有粗糙度时被认为是封闭的表面纹理，例如在经过高温后回熔的沥青。当粗糙度明显时，路面将被认为是开放的，例如，磨损路面或利用通过将石头投放到沥青上而产生的表层来快速修复的乡村道路的粗糙度。中等表面纹理描述了处于前两种状态之间的中间状态下的所有路面，并且更具体地描述了新的路面。

路面的宏观纹理不仅影响水的排水性能，而且也影响其声学特性。该纹理的特征在于“平均纹理深度”，也被称为“PMT(Profondeur Moyenne de Texture)”。该PMT通过本领域技术人员公知的铺砂法测量。

各种宏观纹理因此可以按以下方式分类：具有封闭宏观纹理的路面的PMT在0和0.4毫米之间的范围内；具有中等宏观纹理的路面的PMT在0.4至1.1毫米之间；具有开放宏观纹理的路面的PMT大于1.1毫米。

这里应注意的是，道路上天气状况的显示以及路面的宏观纹理的显示可以彼此独立地在两个不同的地图上实施，或者可以出现在相同的地图上。

在另一个优选的实施方案中，在记录步骤期间，也记录关于影响道路状况的突发事件的信息，并且在这种情况下，显示步骤还包括该事件的表示。

这些事件也被称为“道路危险”，与障碍物或路面的突然改变相对应，例如道路上存在砂砾、泥土或沙子，或者诸如坑洞等恶化情况。所有这些事件都可以对道路上的车辆的行驶状况产生影响，因此在一个实施方案中，能够知道其在道路行程上的位置是有用的。

因此，如上所述，本发明有利地可应用为用于驾驶员或安装在车辆上的安全系统的驾驶辅助。为了使这种辅助具有相关性，并且考虑到对抓地性具有影响的各种元素的突然以及变化的性质，对地图表示进行实时更新是有用的。为此，在一个优选实施方案中，与道路状况相关的各种信息由车辆实时确定(例如以每秒三次确定的频率)，并立即传输到远程数据库。这种传输是通过电信装置进行的，例如通过GSM。

为了进一步改善地图上提供的信息的质量，在本发明的一个有利的实施方案中，记录来自几个不同车辆的信息和GPS位置。实际上，这样的特征允许获得关于给定路线上道路状况的大量数据，因此本发明的“实时”方面得到加强。然后重新组织这些数据，以便以单个地图的形式对所有车辆进行显示。

为了能够正确更新由不同车辆传输的数据，在一个有利的实施方案中，根据本发明的方法除了车辆的GPS位置之外还包括记录记录的日期和时间的步骤。因此，如果所记录的数据涉及数据已显示的路段，只要所记录的数据的日期和时间晚于先前已显示的数据，就能够更新该显示。应注意的是，这种更新对于与路线上的天气状况或突发事件相关的数据尤其有利。事实上，路面本身的宏观纹理并不会很快变化。

相对于突发事件，在本发明的一个实施方案中，能够在显示一个事件的存在之前，等待接收来自几个车辆的一致信息，从而使所显示的数据更具鲁棒性。

根据本发明的方法可以用在多个有利的应用中。因此，在一个示例中，这种方法能够根据所进行的记录以及其GPS位置来估计抓地性能，并且该方法还包括在路线的地图上显示这些特征的步骤。术语“抓地性能”理解为例如意指道路的排水能力，其可以相对于路面的宏观纹理进行评估。还可以设想将各种类型的数据进行组合以获得关于道路抓地性水平的指示。然而，该数据既不考虑轮胎也不考虑车辆，因此不能准确确定在道路上行驶的车辆的抓地系数。

在另一个有利的应用中，根据本发明的方法能够根据所进行的各种记录和其在路线上的GPS位置来估计路面的声学特性，并且还包括在地图上显示这些特性的步骤。由于这些特性提供了关于由在路线上行驶的车辆产生的噪声的电势水平的指示，因此，了解这些特性是有用的。事实上，已知随着车辆在路面上行驶所产生的噪声取决于该路面的特性。因此，例如已知路面纹理越封闭，该纹理就越容易激发轮胎的胎面，并产生噪声。轮胎的胎面越新，该噪声就越强烈。以相同的方式，开放的道路纹理激发轮胎的振动模式，该振动模式也在车辆外部产生噪声，并且这不受轮胎的状况的影响。

但是应注意的是，关于抓地特性，由于所产生的噪声取决于每个车辆、以及轮胎和轮胎的状况，因此不可能建立所产生的噪声的准确地图表示。

在另一个有利的应用中，根据本发明的方法包括根据所进行的各种记录确定路面的恶化区域的步骤，并且还包括在地图上显示这些区域的步骤。实际上，诸如路面的宏观纹理和突发事件的信息对于道路的使用者以及高速公路网络是有用的，并且可以实时提供关于其网络的哪个区域需要维修的情况。

在另一个有利的应用中，根据本发明的方法包括根据所进行的各种记录来识别在道路上的天气状况是寒冷(即冰雪覆盖的状况或结冰的状况)的区域。事实上，这样的信息使得道路的使用者和高速公路网络能够了解需要采取诸如撒盐的行动的其网络的区域，从而缓解寒冷行驶状况。

在本发明的一个优选的实施方案中，通过车辆确定道路上的天气状况或者路面的宏观纹理的步骤包括以下步骤：

-记录在给定时间帧内由在路面上行驶的轮胎产生的声信号的测量值，

-确定在给定频率区间内声信号的频谱功率密度，

-该频率区间划分为具有预先确定的带宽的多个频带，表示在所述频带中测量的平均声功率的数据值与每个频带相关，代表性数据来自形成与所述测量值相关的矢量的变量的测量值，

-根据与上文中相同的步骤，在基于参数(每个参数都表示道路和轮胎的给定状况)的已知的行驶状况下，通过基于与之前进行并记录的测量相关的一组矢量所形成的学习数据库的数据的判别分析来确定对应于与所进行的测量相关的矢量的道路和轮胎的状况，

其特征在于，形成与测量相关的矢量的变量的代表性数据通过取频带内的测量的平均声功率与在整个频率区间内的测量的总声功率之间的比率而获得。

因此，基于当道路状况改变时由轮胎产生的声频率和强度变化的观察结果以及由靠近轮胎和道路设置的麦克风所产生的录音的分析来确定道路的状况。基于声功率的频谱的记录，通过适当选择的比率或者通过将该频谱与预先记录的数据进行比较来确定道路上的天气状况。

录音通过适当放置在车辆上的麦克风来完成。声功率的频谱密度分布在给定的频率区间内。该频谱根据一组参数(例如天气状况、道路状况、轮胎磨损程度、轮胎胎面的类型以及较小程度的轮胎压力、负载等)而变化。在所有其他状况相同的情况下，可能修改该频谱的主要参数之一是在进行测量时的车辆速度。

已经证明，如果不是考虑来自测量的功率谱，而是通过借助在整个频率区间内在测量时间期间记录的总声功率将所测量的数据“归一化”来重新计算该频谱，则实际上可以抵消该变化。这样做的目的是消除速度效应并使测量值对该参数基本不变。

该方法的特征在于，通过取频带内的测量的平均声功率与整个频率区间内的测量的总声功率之间的比率来获得形成与测量相关联的矢量的变量的代表性数据。以这种方式，与现有技术中的现有方法相反，不再需要考虑速度，并且不需要引入用于解释测量的附加参数，以便利用单个声学测量来获得关于道路状况的可靠信息，以及还将看到的关于轮胎状态的可靠信息。

根据本发明的方法还可以包括(单独地或者组合地)以下特征：

-测量的总声功率等于所涉及的频率区间的所有频带的平均声功率的总和。

-频带通过将频率区间以三分之一倍频程划分而确定。

-测量的时间帧小于或等于0.5秒，优选地小于或等于0.25秒。

-频率区间在0Hz到20KHz之间的范围内。

-频率区间在200Hz到20KHz的范围内。

-由路线上的各种天气状况形成的“天气”参数的类别包括干燥状况、潮湿状况以及湿润状况。

-由路面的各种状态形成的“路面的宏观纹理”参数的类别包括封闭状态、中等状态以及开放状态。

-由轮胎的各种磨损状况形成的“磨损”参数的类别包括新状态、半磨损状态以及磨损状态。

-由各种类型的轮胎胎面形成的“胎面”参数的类别包括夏季型胎面和冬季型胎面。

-数据的判别分析包括以下步骤，其中：

·利用学习数据库，确定简化的判别空间，在该简化的判别空间中，识别由每个参数或参数的组合形成的区域，

·对与在所述简化的判别空间中的测量相关的矢量进行变换，并且，根据所述矢量的位置，概率与根据参数中的每一个或参数的组合的测量相关。

·最可能的参数根据参数的类别中的每一个而确定。

-在预先确定出已在干燥道路上进行测量之后，参数与根据“路面的宏观纹理”、“磨损”或“胎面”参数的测量相关。

-概率与根据包含该参数的参数的组合中的每一个的测量相关联，具有最高概率的类别的参数分配给该测量。

-根据“磨损”参数或“胎面”参数，通过将在不同时间区间进行的测量的结果进行组合来执行轮胎的状况的诊断。

-通过设置在轮拱(其位于车辆的后方)的前部的麦克风来测量轮胎所产生的声信号。

在一个优选的实施方案中，由轮胎(T)产生的声信号通过设置在车辆中或车辆上的麦克风(1)而测量。在图1中，麦克风设置在轮拱的前部，该轮拱位于车辆的后方(C)。不过，也可以设想其他的位置，例如后保险杠。麦克风的位置的选择取决于例如希望估计的数据的类型、车辆的类型以及与麦克风的安装、维护和耐久性相关的外部约束。

附图说明

通过阅读以示例的方式提供的附图，本发明将更容易理解，所附附图并非限制性的，在附图中：

图1示出了配备有能够确定道路状况的装置的车辆。

图2和图3示出了在本发明的框架中由车辆确定的信息的各种显示。

以下的附图将用于描述确定道路状况的方法，例如以本发明的一个具体的实施方案实施的确定道路状况的方法。

图4示出了以不同速度进行的测量的非“归一化”声功率谱。

图5示出了经过“归一化”后的相同的功率谱。

图6示出了道路上的各种天气状况的归一化的平均功率谱。

图7示出了根据道路上的天气状况在二维简化的判别空间中的测量值的分布。

具体实施方式

在图1中示意性地示出的在地面G上行驶的车辆C包括前轮拱和后轮拱，装配有轮胎T的车轮安装于前轮拱和后轮拱。

当车辆C移动时，轮胎T产生噪声，噪声的振幅和频率取决于多个因素。该声压实际上是各种来源的噪声信号的叠加，诸如由胎面特征与地面G进行接触而产生的噪声、由胎面元件之间的空气的流动而产生的噪声、由轮胎吸收的水微粒而产生的噪声，或者由与车速相关的气流产生的噪声。这些噪声信号的监测还与车辆的环境相关的噪声信号叠加，诸如发动机的噪声。所有的这些噪声信号也都取决于车速。

一种声音监测装置(如麦克风1)安装在车辆中或车辆上。这里，应注意的是，可以对于麦克风设想各种位置，在图1中仅示出了一个位置，但是本发明的范围不限于该配置。因此，例如，麦克风可以置于后保险杠的壁上，但是不一定定向，以便检测来自车辆后方的声信号。

还可以设想将麦克风置于车辆的前保险杠的壁上。麦克风还可以置于轮拱中，以用于尽可能靠近道路滚动信号噪声产生的位置来监测道路滚动信号噪声。理想情况下，可以认为将麦克风安装在每个轮拱中构成了用于捕捉轮胎所产生的所有道路滚动噪声信号的最佳手段。然而，为了确定道路状况(天气状况和路面的宏观纹理)，单个麦克风足矣。在单个麦克风的情况下，最好将麦克风与空气动力噪声和来自发动机的噪声隔绝。

不言而喻，需要采取预防措施来保护麦克风免受外部侵害，例如水、泥或砾石的投射。

车辆还包括计算机2，该计算机2连接到麦克风，并且配置为执行操作，如将在下面详细描述的那样，能够对来自麦克风的原始信息进行调适和分析，并且能够根据由麦克风检测到的声功率的测量值来估计道路状况或轮胎的状态。

如上所述，这里应注意的是，“道路状况”理解为意指来自以下信息中的一条或更多条信息：道路上的天气状况、路面的宏观纹理或影响道路的突发事件。由车辆中的计算机2确定的该信息例如通过安装在计算机中的GSM装置或连接到计算机的GSM装置发送至外部数据库。该信息伴随有在捕捉用于确定信息的数据时车辆的GPS位置。在一个示例性实施方案中，该信息还伴随有时间标记信息。应注意的是，可以实时进行发送，从而能够实时更新显示，或者以微小的延时进行发送。

一旦该信息已发送，鉴于存在GPS坐标，就可以在地图上显示该信息，该地图与发送数据的车辆进行的行程相对应。

因此，图2示出了道路地图，在该道路地图上，在规定路线上叠加了线条，该线条的颜色对应于在该给定位置的道路上的天气状况。该显示使用了三种颜色：深色对应于湿润状况，中等色对应于潮湿状况，浅色对应于干燥状况。

在本发明的另一方面，地图上显示的对象是路面的宏观纹理。在图3中示出了这种地图的一个示例，在该地图上，具有各种颜色的线条用于表示路面的各种状态。在该图中，深色对应于封闭的宏观纹理，中等色对应于中等的宏观纹理，浅色对应于开放的宏观纹理。

在这些地图上显示的数据来自于遵循整个路线的单个车辆。然而，在本发明的一个示例性实施方案中，可以在相同的地图上显示来自不同车辆的信息。一方面，这能够覆盖更大的地理区域，另一方面，这能够获得更规律地更新的数据，从而更具相关性。

可以对不同的利益相关者提供这种地图：

-驾驶员，以为了在进行行程之前了解道路状况。

-高速公路管理或道路维护服务公司，以为了了解路面的恶化状态，或者在寒冷的行驶状况下对撒盐行为或撒沙行为的需求，

-公共团体，以为了基于该信息来了解“有噪声的”道路，因此能够实施噪声控制手段等。

参考所附附图，将详细描述能够确定关于道路状况的各种信息的方法，所述方法利用由安装在车辆中的麦克风进行的声学测量。这里应注意的是，本发明不仅仅简化为该确定方式。

图4是由麦克风在一个时间帧内记录的声功率的频谱表示。“时间帧”理解为意指通常较短的时间区间，在该时间区间内进行记录，在此基础上建立用作一个测量值的基础的数据。该时间帧小于或等于0.5秒，或者，理想情况下小于或等于0.25秒。

该频谱表示显示了在给定的频率区间内根据频率接收的声功率(以dB为单位)，这里给定的频率区间典型地为0Hz和20KHz范围内的音频范围。

更具体地，图4中的频谱表示通过将频率区间分解为具有预定带宽的频带、以及通过对每个频带分配特征值而获得，该特征值等于在该频带内测量的平均功率。以三分之一倍频带(bands de tiers d’octave)划分频率区间似乎是最适当的。因此，图4的每条曲线上的每个点都表示在仅速度变化(通常从30kmh到110kmh变化)而其他所有状况都相同的行驶状况下，在一个时间帧期间测量的给定频带的平均声功率。

然后可以观察到表示频谱功率的曲线相对彼此发生位移，并且耗散的总的声功率根据速度而增大。然而，曲线的大致形状保持相似。

当来自其他类别的一个或更多个参数发生变化时，以及仅通过改变速度参数获得的曲线进行比较时，该观察结果会再现。

然后确定整个频率区间内的总的声功率，其等于包括在曲线和横坐标轴之间的表面积，并且对于每个频带，将在给定时间帧期间在该频带内观察到的平均功率除以在整个频率区间内在此时间帧内记录的总功率。这相当于一种测量值的“归一化”。

在图5中，可以观察出先前获得的曲线基本重叠，并且具有非常接近的轮廓，尤其在最高频带，并且具有先前描述的最具代表性的声学现象的轮廓。

该“归一化”能够抵消与速度有关的效果，而不会明显改变能够利用在给定时间帧内的录音进行分析的能力。

当不期望将计算机2连接至用于评估车辆速度的装置时，以及当期望自动获得关于道路状况的信息或车辆的信息时，该优点可以证明为决定性的。

为了简化执行计算以及执行计算的速度，可以认为总功率等于涉及的频率区间的每个频带内的平均功率的总和。

图5中的曲线上的每个点都是表示给定频带内的平均声功率的值。然后，这些点的整体组合可以构成矢量空间中的矢量，该矢量空间包括与频带一样多的维度。在用于支持该说明书的示例中，通过考虑以三分之一倍频带划分并且包括在处于200Hz和20KHz之间的频率区间中的频率区间而获得包括21个维度的矢量。此外，还观察到，形成矢量的坐标的值的总和等于1。

频率区间的选择可以根据是否期望完全消除发动机产生的噪声而自适应，该噪声的最大幅度位于50Hz和60Hz之间的范围内，在这种情况下，将考虑例如在200Hz和20KHz之间范围内的频率区间；或者根据是否期望保留包含在低于200Hz的频率范围内的部分相关信息而自适应，在这种情况下，将考虑在0Hz和20KHz之间的范围内的整个区间中的频谱。

可以基于声信号在高频(大约40kHz)处的采样来对一个时间帧期间的声功率进行记录。

本发明的实施方案包括预先学习阶段，在该学习阶段中，通过以已知的方式改变在上文中描述的参数执行大量测量，这些参数表示天气状况、道路状况、轮胎的胎面的磨损状态或轮胎的胎面的类型。在上文中描述的状况下获得的矢量被分配给这些测量值中的每一个。以这种方式建立了车辆的专有学习数据库。

对数据进行分析的方法以及对数据进行统计处理的方法其本身已知，并且不是本发明的主题。已采用的线性判别分析的方法已能够获得可靠的并且鲁棒的结果。

该方法的第一步是确定主阶乘轴，其允许将维数减少到只需描述分配给沿正交轴的每个测量值的矢量的数量。通过线性变换来进行从矢量空间(该矢量空间的维数等于频带的数量，典型地等于21维)到简化的判别空间的过渡。

然后，第二步是通过自身的判别分析在简化的判别空间中搜索测量值所处的区域，该测量值根据给定的单个参数或者根据参数的组合在学习阶段期间获得。

这里，“参数的组合”理解为意指表示给定测量的状况，该给定测量根据在每个类别中选择的参数而执行。例如，在“湿润”状况下、在“封闭”道路上、利用“夏季”并且“磨损的”轮胎进行的测量表示为参数组合“湿润-封闭-夏季-磨损”。因此，所组合的参数的数量等于每个类别中参数的数量的乘积。

然后，在该简化的判别空间中，计算表示参数或参数的组合的点所处的区域的重心，以及表示在同一区域中的点相对于该重心的分散的置信区间。

在用于支持本说明书的示例中，在起始的判别空间与简化的判别空间之间维数的减少使得初始的21维能够减少到约15维。这种小的减少使得能够观察到考虑了表征各种参数的表示的频谱的总体形状，并且使得能够认为考虑来自数量减少的频带的功率除了与道路上的天气状况相关的参数之外，不允许分离关于道路或轮胎的特定参数。

图6通过道路上三种类型的天气状况的三分之一倍频带示出了“归一化的”声功率的频谱分布，其他类别的所有参数在其他方面相等。

图7示出了在二维空间中根据道路的“天气”类别的参数“干燥”、“潮湿”、“湿润”的其中一个的测量值的分布。

第一个观察结果使得能够观察到在干燥地面上进行的测量与在潮湿或湿润地面上进行的测量不重叠。第二个观察结果使得能够推断出可以独立于其他类别的参数以高鲁棒性确定道路上的天气状况。

围绕每个点云的椭圆被放置在一个、两个和三个标准偏差处，并且能够评估围绕重心的测量值的分散，尤其是能够鉴别一个区域相对于另一个区域的部分重叠，其表示将根据给定的不同参数进行的测量错误地分配给另一个参数的风险。

利用该数据，能够通过评估从该点到这些参数中的每一个的重心的距离来确定属于道路的“天气”类别的三个参数的其中一个的新的测量值的概率。

表1给出了根据三个参数“干燥”、“潮湿”、“湿润”的其中一个的道路上的天气状况的类别的概率。

表1

Pj/i	J＝干燥	J＝潮湿	J＝湿润
				i＝干燥	1	0	0
i＝潮湿	0	0.91	0.09
				i＝湿润	0	0.03	0.97

可以看出，在“干燥”、“潮湿”或“湿润”获得的概率足够高，从而得出车辆在“干燥”、“潮湿”或“湿润”道路上行驶的结论，并且只有对参数“潮湿”的识别可能在9％的情况下被错误分配给参数“湿润”。

类似地，可以以与道路上的天气状况相比更低的鲁棒性来确定路面的宏观纹理，而不利用必要的轮胎状态的先验知识。但是，更愿意在道路干燥时进行该项分析。该观察结果显示，与宏观纹理相关的某些声学现象以及与来自路面的反射相关的某些声学现象与轮胎的性质无关。

另一方面，通过进行类似的分析可以观察出，包含关于参数的矢量的区域相对分散，并且相当明显地彼此贯穿(围绕重心高度分散，并且重心间隔较近)，该参数与轮胎状态(磨损或胎面)相关，特别是当道路状况是“潮湿”或“湿润”时，不允许在没有错误判断的高风险的情况下，以精确参数得出结论。

因此，为了确保高鲁棒性，该方法包括对道路上的天气状况的第一分析，并且当观察出车辆在“干燥”路面上行驶时，进行第二分析，该第二分析能够针对轮胎磨损状态以及轮胎的胎面的类型来判别路面相关的参数。

为了得到更高的鲁棒性，最好基于三个类别的组合参数来进行判别分析。在简化的判别空间中，定位表示矢量的点云以及表示根据给定的参数的组合进行的测量的点云，该参数选自“路面的宏观纹理”、“磨损”、“胎面”三种参数类别中的每一种。

与轮胎的胎面相关的参数对于“冬季型”轮胎标记为“A”，对于“夏季型”轮胎标记为“P”，磨损状态的参数对于“新”轮胎标记为“N”，对于“半磨损”轮胎标记为“M”，对于“磨损”轮胎标记为“U”，最后，路面的宏观纹理的参数对于“封闭”参数标记为“f”，对于“中等”参数标记为“m”，对于“开放”参数标记为“o”。然后，18个组合参数分别标记为：ANf、ANm、ANo、AMf、AMm、AMo、AUf、AUm、AUo、PNf、PNm、PNo、PMf、PMm、PMo、PUf、PUm、PUo。

表2给出了对于18个参数的组合中的每一个，基于包含在学习阶段的测量结果而得到的概率。对于单个参数观察到的测量值的分散性相对于组合参数小得多，从而允许以更加有效的方式进行分类。

表2

	ANf	ANm	ANo	AMf	AMm	AMo	AUf	AUm	AUo	PNf	PNm	PNo	PMf	PMm	PMo	PUf	PUm	PUo
																			ANf	0.9	0.02		0.03			0
ANm		0.99			0.01
																			ANo			0.96									0
AMf				0.95			0			0
																			AMm			0.01		0.95			0.01						0.01			0.03
AMo			0.03			0.96
																			AUf							1
AUm					0.01			0.97						0.01			0.01
																			AUo									0.91									0.1
PNf							0			1						0
																			PNm		0.01									0.97			0.02
PNo												1
																			PMf													1			0
PMm		0.01			0.02						0.01			0.96
																			PMo															1
PUf													0			1
																			PUm								0.06						0.03			0.91
PUo						0.03			0.1									0.9

对参数组合的其中一个进行检测的总体概率约为0.96。

下一步是对于给定的新测量值识别类别“路面的宏观纹理”、“磨损”和“胎面”中的每一个的参数，已在这些类别中进行测量。

表3使得能够根据参数的组合来确定来自三个类别的其中一个的参数的检测概率。

该表3显示出，如果测量值被分配给类别“AUf”(冬季型、磨损、封闭表面)，则胎面(1)、磨损状态(U)以及路面的宏观纹理(1)的确定的置信度较高。在类别“AUo”(冬季型、磨损、开放)中获得了相对较低的置信度，其中，对轮胎胎面的类型的预测不太好(0.91)。

表3

利用学习数据库，在简化的判别空间中对组合参数所处的区域以及该区域的重心和该区域的分散度进行定位。典型地，在本说明书的情况下，对所涉及的18个组合参数的18个区域在简化的判别空间中进行定位。

然后，利用与每个新测量相关的并且变换到简化的矢量空间中的矢量的定位，可以对于一个类别的每个参数确定对于包含该参数的参数组合中的每一个的概率，具有最高概率的类别的参数被分配给该测量。

因此，如果找到的天气类别是“干燥”，则来自该测量的矢量的21个变量能够根据类别“路面的宏观纹理”、类别“磨损”或类别“胎面”利用基于学习数据库的判别分析来确定组合参数的其中一个的概率，即，典型地，在用于支持本说明书的情况下，组合参数的18个类别的其中一个的概率：ANf、ANm、ANo、AMf、AMm、AMo、AUf、AUm、AUo、PNf、PNm、PNo、PMf、PMm、PMo、PUf、PUm、PUo。该概率例如通过评估相对于所涉及的组合参数的类别的重心的距离来进行计算。

然后，除了天气类别以外，对特定类别的参数的其中一个的测量的概率通过第二概率计算以以下方式而确定，该第二概率计算称为“胎面+磨损+在干燥地面上的表面纹理”。

通过关系式p(宏观纹理＝“封闭”)＝p(“封闭”)＝p(ANf)+p(AMf)+p(AUf)+p(PNf)+p(PMf)+p(PUf)推导出为“封闭”的路面参数的宏观纹理的概率。

类似地，推导出以下关系式：

p(宏观纹理＝“中等”)＝p(“中等”)＝p(ANm)+p(AMm)+p(AUm)+p(PNm)+p(PMm)+p(PUm)，以及

p(宏观纹理＝“开放”)＝p(“开放”)＝p(ANo)+p(AMo)+p(AUo)+p(PNo)+p(PMo)+p(PUo)。

根据这三个概率，然后寻找最大的概率并且给出检测到的路面的宏观纹理的参数以及相关联的概率：

p(宏观纹理)＝max[p(“封闭”)，p(“中等”)，p(“开放”)].

类似地，p(胎面＝max[p(“冬季型”)，p(“夏季型”)]利用:

p(胎面＝“冬季型”)＝p(“冬季型”)＝p(ANf)+p(ANm)+p(ANo)+p(AMf)+p(AMm)+p(AMo)+p(AUf)+p(AUm)+p(AUo)和

p(胎面＝“夏季型”)＝p(“夏季型”)＝p(PNf)+p(PNm)+p(PNo)+p(PMf)+p(PMm)+p(PMo)+p(PUf)+p(PUm)+p(PUo)。

最后，通过p(磨损＝max[p(“新”)，p(“半磨损”)，p(“磨损”)]利用以下关系式给出磨损:

p(磨损＝“新”)＝p(“新”)＝p(ANf)+p(ANm)+p(ANo)+p(PNf)+p(PNm)+p(PNo)，

p(磨损＝“半磨损”)＝p(半磨损”)＝p(AMf)+p(AMm)+p(AMo)+p(PMf)+p(PMm)+p(PMo)和，

p(磨损＝“磨损”)＝p(“磨损”)＝p(AUf)+p(AUm)+p(AUo)+p(PUf)+p(PUm)+p(PUo)。

然后，将分配给来自给定测量的参数的概率与给定阈值进行比较，从而确定找到的结果的正确性，以及其向显示系统或驾驶辅助系统进行传输。例如，类别的概率不是至少等于0.75的所有检测都被拒绝，并且如果该概率在0.75到0.95之间的范围内，则来自该测量的结果必须通过一个或更多个后续的测量进行确认。

这里可以观察到，与天气状况或可能突然改变并需要迅速做出决定的路面的宏观纹理相比，轮胎的磨损的进展或胎面的类型是随时间推移而稳定得多的因素，通常在对应于行驶100公里甚至1000公里的距离的时间范围内。但是，由于这些轮胎参数的检测取决于道路的状态，这导致这些轮胎参数需要与道路状况几乎一样快地进行检测的悖论。

在决定真实的磨损状态或安装在车辆上的轮胎的胎面的类型之前，通过累积通过几次连续测量获得的观察结果，可以大大减少这两个标准的错误判断的概率。

用作本说明书的基础的本发明的实施方案是非限制性的，并且可以承受实施方案的变体，特别是在用于数字数据分析的方法的选择时，只要该变体能够获得如所描述的以及请求保护的技术效果。

Claims (15)

1.一种用于地图表示关于道路状况的数据的方法，该方法包括以下步骤：

-在数据库中记录关于道路上天气状况的信息的步骤，该信息由在所述道路上行驶的车辆确定，

-记录对应于所进行的记录的车辆的GPS位置的步骤，

-在示出车辆所遵循的路线的地图上显示根据GPS位置的天气状况的步骤。

2.根据权利要求1所述的地图表示方法，其中，天气状况包括在包含以下项的组中：干燥状况、潮湿状况、湿润状况、诸如冰雪覆盖的或者结冰的状况的寒冷状况。

3.根据权利要求1和2中任一项所述的地图表示方法，其中，在记录步骤中，也记录关于路面的宏观纹理的信息，并且，在显示步骤中，也包括该宏观纹理的表示。

4.根据权利要求3所述的地图表示方法，其中，路面的宏观纹理包括在包含封闭状态、中等状态以及开放状态的组中。

5.根据前述权利要求中任一项所述的地图表示方法，其中，在记录步骤中，也记录关于影响道路状态的突发事件的信息，并且，在显示步骤中，也包括该事件的表示。

6.根据前述权利要求中任一项所述的地图表示方法，包括根据所进行的各种记录以及其GPS位置评估道路的抓地性能的步骤，并且还包括在路线的地图上显示这些性能的步骤。

7.根据前述权利要求中任一项所述的地图表示方法，包括根据所进行的各种记录以及其GPS位置确定在路线上的路面的声学特性的步骤，并且还包括在地图上显示这些特性的步骤。

8.根据前述权利要求中任一项所述的地图表示方法，包括根据所进行的各种记录确定路面的恶化区域的步骤，并且还包括在地图上显示这些区域的步骤。

9.根据前述权利要求中任一项所述的地图表示方法，其中，在记录步骤中，记录来自多个不同车辆的信息和GPS位置，所述方法还包括组织所述数据的步骤，从而使该数据能够对于所有车辆以单个地图的形式显示。

10.根据前述权利要求中任一项所述的地图表示方法，其包括除了车辆的GPS位置以外记录该记录的日期和时间的步骤。

11.根据权利要求6所述的地图表示方法，其包括如果所记录的数据涉及数据已显示的路段，只要所记录的数据的日期和时间晚于先前已显示的数据，就更新该显示的步骤。

12.根据前述权利要求中任一项所述的地图表示方法，其中，通过车辆确定道路上天气状况或路面的宏观纹理的步骤包括以下步骤：

-记录在给定时间帧内由在路面上行驶的轮胎产生的声信号的测量值，

-确定在给定频率区间内声信号的频谱功率密度，

-该频率区间划分为具有预先确定的带宽的多个频带，表示在所述频带中测量的平均声功率的数据值与每个频带相关，代表性数据来自形成与所述测量值相关的矢量的变量的测量值，

-根据与上文中相同的步骤，在基于每个都表示给定的道路和轮胎状况的参数的已知的行驶状况下，通过基于与之前进行并记录的测量相关的一组矢量所形成的学习数据库的数据的判别分析来确定对应于与所进行的测量相关的矢量的道路和轮胎的状况，

其特征在于，形成与测量相关的矢量的变量的代表性数据通过取频带内的测量的平均声功率与在整个频率区间内的测量的总声功率之间的比率而获得。

13.根据权利要求12所述的方法，其中，测量的总声功率等于所涉及的频率区间的所有频带的平均声功率的总和。

14.根据权利要求12和13中任一项所述的方法，其中，所述频带通过将频率区间以三分之一倍频程划分而获得。

15.根据权利要求12至14中任一项所述的方法，其中，数据的判别方法包括以下步骤，其中：

-利用学习数据库，确定简化的判别空间，在该简化的判别空间中，识别由每个参数或参数的组合形成的区域，

-对与在所述简化的判别空间中的测量相关的矢量进行变换，并且，根据所述矢量的位置，概率与根据参数中的每一个(干燥、潮湿、湿润、封闭、开放、中等、磨损、半磨损、新、夏季型、冬季型)或参数的组合(ANf、ANm、ANo、AMf、AMm、AMo、AUf、AUm、AUo、PNf、PNm、PNo、PMf、PMm、PMo、PUf、PUm、PUo)的测量相关，

最可能的参数根据参数的类别(“天气”、“路面的宏观纹理”、“磨损”、“胎面”)中的每一个而确定。