特許 6392623 路面状態判別システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6392623

(24)【登録日】2018年8月31日

(45)【発行日】2018年9月19日

(54)【発明の名称】路面状態判別システム

(51)【国際特許分類】

   G08G 1/00 20060101AFI20180910BHJP

   G08G 1/13 20060101ALI20180910BHJP

   G01W 1/00 20060101ALI20180910BHJP

   B60C 19/00 20060101ALI20180910BHJP

【ＦＩ】

   G08G1/00 J

   G08G1/13

   G01W1/00 J

   B60C19/00 B

【請求項の数】5

【全頁数】17

(21)【出願番号】特願2014-205999(P2014-205999)

(22)【出願日】2014年10月6日

(65)【公開番号】特開2016-76085(P2016-76085A)

(43)【公開日】2016年5月12日

【審査請求日】2017年6月27日

(73)【特許権者】

【識別番号】000005278

【氏名又は名称】株式会社ブリヂストン

(74)【代理人】

【識別番号】100080296

【弁理士】

【氏名又は名称】宮園 純一

(74)【代理人】

【識別番号】100141243

【弁理士】

【氏名又は名称】宮園 靖夫

(72)【発明者】

【氏名】花塚 泰史

【審査官】 白石 剛史

(56)【参考文献】

【文献】 国際公開第２０１３／１７５５６７（ＷＯ，Ａ１）

【文献】 特開２００９−０５３１５３（ＪＰ，Ａ）

【文献】 特開２０１０−０９７３３９（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０８Ｇ １／００

Ｂ６０Ｃ １９／００

Ｇ０１Ｗ １／００

Ｇ０８Ｇ １／１３

(57)【特許請求の範囲】

【請求項1】

タイヤ内に配置されて路面から前記タイヤに入力するタイヤ振動の時系列波形を検出する加速度センサと、前記時系列波形の情報を当該車両外部に送信する送信手段とを備えた複数台の車両と、
前記各車両の送信手段から送信され時系列波形の情報を蓄積するサーバーと、
前記蓄積された時系列波形の情報を用いて路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、
前記時系列波形の情報が、所定の時間内かつ所定の範囲内の場所における前記複数台の車両からのタイヤ振動の時系列波形の情報であり、
前記路面状態判別装置は、
前記各車両から送られてきたタイヤ振動の時系列波形を用いて前記各車両の走行する路面の路面状態が予め設定された複数の路面状態のいずれであるかを推定する路面状態推定手段と、
前記推定された推定路面状態を前記複数の路面状態毎に集計した実統計マップを作成する統計データ作成手段と、
前記実統計マップにおける前記推定路面状態の出現割合を算出し、前記出現割合の最も大きい推定路面状態を、前記所定の時間内かつ所定の範囲内の場所における路面状態であると判別する路面状態判別手段とを備える、ことを特徴とする路面状態判別システム。

【請求項2】

タイヤ内に配置されて路面から前記タイヤに入力するタイヤ振動の時系列波形を検出する加速度センサと、前記時系列波形を用いて当該車両の走行する路面の路面状態が予め設定された複数の路面状態のいずれであるかを推定する路面状態推定手段と、前記推定された路面状態である推定路面状態を当該車両外部に送信する送信手段とを備えた複数台の車両と、
前記各車両の送信手段から送信された前記推定路面状態を蓄積するサーバーと、
前記蓄積された各車両の推定路面状態を用いて、所定の時間内かつ所定の範囲内の場所における路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、
前記推定路面状態が、所定の時間内かつ所定の範囲内の場所における前記複数台の車両からの推定路面状態であり、
前記路面状態判別装置は、
前記各車両から送られてきた前記所定の時間内かつ所定の範囲内の場所における推定路面状態を前記予め設定された複数の路面状態毎に集計した実統計マップを作成する統計データ作成手段と、
前記実統計マップにおける前記推定路面状態の出現割合を算出し、前記出現割合の最も大きい推定路面状態を、前記所定の時間内かつ所定の範囲内の場所における路面状態であると判別する路面状態判別手段とを備える、ことを特徴とする路面状態判別システム。

【請求項3】

前記統計データ作成手段では、前記所定の時間内かつ所定の範囲内の場所における推定路面状態を、タイヤ状態、車両走行状態、気象情報、道路情報、車種、及び、当該車両の推定確度のうちの少なくとも１つを用いて、重み付けする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別システム。

【請求項4】

前記路面状態判別手段は、
試験車両を、前記予め設定された複数の路面状態の路面をそれぞれ多数回走行させて推定した時の推定路面状態を前記予め設定された複数の路面状態毎に集計して作成した、路面状態毎の基準マップを記憶する記憶部と、
前記実統計マップにおける出現割合と複数の路面状態毎の前記基準マップにおける推定路面状態の出現割合である基準出現割合とを用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別する判別部とを備え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別システム。

【請求項5】

前記基準マップを、天候毎に設けたことを特徴とする請求項４に記載の路面状態判別システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、走行中の路面の状態を判別するシステムに関するもので、特に、所定の時間内に同じ箇所を走行する複数台の車両の推定した路面状態のデータや車両情報を用いて、路面状態を判別する路面状態判別システムに関する。

【背景技術】

【0002】

自動車の走行安全性を高めるため、走行中の路面の状態を精度良く推定し、車両制御へフィードバックすることが求められている。走行中の路面の状態を推定することができれば、制駆動や操舵といった危険回避の操作を起こす前に、例えば、ＡＢＳブレーキのより高度な制御等が可能になり、安全性が一段と高まることが予想される。

【0003】

走行中の路面の状態を推定する方法としては、例えば、走行中のタイヤの振動を検出し、この検出されたタイヤの振動の時系列波形から路面状態を推定する方法（例えば、特許文献１〜３参照）や、タイヤから発生するタイヤ発生音を検出し、この検出されたタイヤ発生音の音圧レベルから路面状態を推定する方法（例えば、特許文献４参照）が提案されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１４−３５２７９号公報

【特許文献2】特開２０１１−２４２３０３号公報

【特許文献3】特開２００３−１８２４７６号公報

【特許文献4】特開平８−２６１９９３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、従来は、１台の車両の情報から走行中の路面状態を推定しているため、路面状態の判別精度が必ずしも十分とはいえなかった。

【0006】

本発明は、従来の問題点に鑑みてなされたもので、路面状態の判別精度を向上させることのできる路面状態判別システムを提供することを目的とする。

【課題を解決するための手段】

【0007】

本発明は、タイヤ内に配置されて路面から前記タイヤに入力するタイヤ振動の時系列波形を検出する加速度センサと、前記時系列波形の情報を当該車両外部に送信する送信手段とを備えた複数台の車両と、前記各車両の送信手段から送信され時系列波形の情報を蓄積するサーバーと、前記蓄積された時系列波形の情報を用いて路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、前記時系列波形の情報が、所定の時間内かつ所定の範囲内の場所における前記複数台の車両からのタイヤ振動の時系列波形の情報であり、前記路面状態判別装置は、前記各車両から送られてきたタイヤ振動の時系列波形を用いて前記各車両の走行する路面の路面状態が予め設定された複数の路面状態のいずれであるかを推定する路面状態推定手段と、前記推定された推定路面状態を前記複数の路面状態毎に集計した実統計マップを作成する統計データ作成手段と、前記実統計マップにおける前記推定路面状態の出現割合を算出し、前記出現割合の最も大きい推定路面状態を、前記所定の時間内かつ所定の範囲内の場所における路面状態であると判別する路面状態判別手段とを備える、ことを特徴とする。
このように、複数台の車両からの車両情報を用いて路面状態の判別を行うようにすれば、路面状態の判別精度を向上させることができる。
ここで、車両情報は、車載センサの検出値、前記検出値を演算した演算値、車速、車両ＩＤなどを指す。
なお、「所定の時間」は、車両の走行する区間や走行している時刻に応じて、長く設定したり、短く設定したりするなど、変更可能である。
また、「所定の時間」を、所定の範囲内の場所を、予め設定された台数（例えば、５台）の車両が通過する時間としてもよい。この場合も、予め設定する車両の台数は、走行する区間や走行している時刻に応じて、変更可能とする。

【0008】

また、本発明は、タイヤ内に配置されて路面から前記タイヤに入力するタイヤ振動の時系列波形を検出する加速度センサと、前記時系列波形を用いて当該車両の走行する路面の路面状態が予め設定された複数の路面状態のいずれであるかを推定する路面状態推定手段と、前記推定された路面状態である推定路面状態を当該車両外部に送信する送信手段とを備えた複数台の車両と、前記各車両の送信手段から送信された前記推定路面状態を蓄積するサーバーと、前記蓄積された各車両の推定路面状態を用いて、所定の時間内かつ所定の範囲内の場所における路面状態の判別を行う路面状態判別装置とを備えた路面状態判別システムであって、前記推定路面状態が、所定の時間内かつ所定の範囲内の場所における前記複数台の車両からの推定路面状態であり、前記路面状態判別装置は、前記各車両から送られてきた前記所定の時間内かつ所定の範囲内の場所における推定路面状態を前記予め設定された複数の路面状態毎に集計した実統計マップを作成する統計データ作成手段と、前記実統計マップにおける前記推定路面状態の出現割合を算出し、前記出現割合の最も大きい推定路面状態を、前記所定の時間内かつ所定の範囲内の場所における路面状態であると判別する路面状態判別手段とを備える、ことを特徴とする。
このように、各車両に路面状態推定手段を設けて路面状態を推定し、この推定した各車両の路面状態を用いて前記所定の時間内かつ所定の範囲内の場所における路面状態を判別するようにしても同様の効果を得ることができる。

【0011】

また、本発明は、前記統計データ作成手段にて、前記所定の時間内かつ所定の範囲内の場所における推定路面状態を、タイヤ状態、車両走行状態、気象情報、道路情報、車種、及び、当該車両の推定確度のうちの少なくとも１つを用いて、重み付けしたものである。
ここで、タイヤ状態とは、タイヤ内圧，摩耗量，荷重，タイヤ温度などを指し、車両走行状態とは、車両が加減速しているか否かを指す。また、気象情報としては、天候，気温，降雨量，風速，日照時間等があり、道路情報としては、地形情報，交通情報，除雪・融雪剤散布などの道路管理情報等がある。
このように、各車両の推定路面状態に対して重み付けを行えば、推定路面状態の出現割合の精度が向上するので、所定の時間内かつ所定の範囲内の場所における路面状態を更に精度よく判別することができる。
また、重み付けとして用いる情報としては、他の所定の範囲内の場所の路面状態の推定結果などがある。具体的には、過去の条件（天候、交通量、路面状態の推定結果）において、所定の範囲内の場所Ａと相関がある他の所定の範囲内の場所Ｂの路面状態の推定結果を用いて、所定の範囲内の場所Ａでの推定結果を補正することができる。
また、本発明は、前記路面状態判別手段が、試験車両を、前記予め設定された複数の路面状態の路面をそれぞれ多数回走行させて推定した時の推定路面状態を前記予め設定された複数の路面状態毎に集計して作成した、路面状態毎の基準マップを記憶する記憶部と、前記実統計マップにおける出現割合と複数の路面状態毎の前記基準マップにおける推定路面状態の出現割合である基準出現割合とを用いて、前記所定の時間内かつ所定の範囲内の場所における路面状態を判別する判別部とを備えることを特徴とする。
また、本発明は、前記基準マップを、天候毎に設けたことを特徴とする。

【0012】

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】

【0013】

【図1】本実施の形態１に係る路面状態判別システムの構成を示す図である。

【図2】加速度センサの配置例を示す図である。

【図3】路面状態推定手段の一例と特徴ベクトルの算出方法を示す図である。

【図4】サーバーのデータ記憶手段に分類・保存されるデータを示す図である。

【図5】推定路面状態の分布を示す図である。

【図6】本実施の形態１に係る路面状態の判別方法を示すフローチャートである。

【図7】本実施の形態２に係る路面状態判別システムの構成を示す図である。

【図8】路面状態毎の基準マップの一例を示す図である。

【図9】天候毎に作成した路面状態毎の基準マップの一例を示す図である。

【図10】天候毎に作成した路面状態毎の基準マップを用いた判別方法の一例を示す図である。

【図11】天候モデルを用いた判別方法の一例を示す図である。

【発明を実施するための形態】

【0014】

実施の形態１．
図１は、本実施の形態１に係る路面状態判別システム１の構成を示す機能ブロック図で、Ｗ₁〜Ｗ_Nは車両で、各車両Ｗ_k（ｋ＝１〜Ｎ）は、車載センサとしての加速度センサ１１，圧力センサ１２、及び、車輪速センサ１３と、ＧＰＳ装置１４と、Ｗｅｂ情報取得手段１５と 路面状態推定手段１６と、車両情報収集手段１７と、送信機１８と、受信機１９とを備える。
２０は受信機２１と、データ記憶手段２２と、送信機２３とを備えたサーバーで、３０は所定の時間内かつ所定の範囲内の場所における路面の状態を判別する路面状態判別装置である。
サーバー２０と路面状態判別装置３０とは、路面状態管理センター２に設けられる。
路面状態推定手段１６、車両情報収集手段１７、及び、路面状態判別装置３０は、例えば、コンピュータのソフトウェアにより構成される。
加速度センサ１１は、図２に示すように、タイヤ４０のインナーライナー部４１のタイヤ気室４２側のほぼ中央部に配置されて、路面からタイヤ４０のトレッド４３に入力する振動（タイヤ振動）を検出し、圧力センサ１２は、リム４４に設置されて、タイヤ気室４２内の圧力であるタイヤ内圧を計測する。また、車輪速センサ１３は、車軸の回転角度を検出して車輪の回転速度を算出する。車輪速センサ１３としては、周知の電磁誘導型の車輪速センサなどを用いることができる。

【0015】

ＧＰＳ装置１４は、図示しないＧＰＳアンテナと受信機とを備え、当該車両Ｗ_kの位置データを取得するとともに、車両の位置データから当該車両の走行速度を算出する。なお、本例では、後述するように、車両情報として、車輪速センサ１３で算出した車輪の回転速度を用いている。
Ｗｅｂ情報取得手段１５は、図外のインターネットに接続して、天候，気温，降雨量，風速，日照時間などの気象情報（車外情報）を取得する。また、Ｗｅｂ情報取得手段１５は、必要に応じて、地形情報，交通情報，道路管理情報などの道路情報などを取得することができる。道路管理情報としては、除雪や融雪剤散布などが挙げられる。
なお、Ｗｅｂ情報取得手段１５をサーバー２０に設け、サーバー２０にて気象情報や道路情報を取得するようにしてもよい。
路面状態推定手段１６は、加速度センサ１１で検出したタイヤ振動の時系列波形を用いて、走行中の路面が、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれかであるかを推定する。このような路面状態推定手段１６としては、例えば、図３（ａ）に示すような、加速度センサ１１からタイヤ振動の時系列波形を抽出する振動波形抽出手段１６１と、窓掛け手段１６２と、特徴ベクトル算出手段１６３と、４つの路面モデルを記憶する記憶手段１６４と、カーネル関数算出手段１６５と、路面状態判別手段１６６とを備え、図３（ｂ）に示すような、タイヤ振動の時系列波形に所定の時間幅Ｔの窓関数をかけて抽出した時間窓毎の時系列波形から、それぞれ複数の特定周波数帯域の振動レベル(ａ_k1〜ａ_km）を成分とした特徴ベクトルＸ_k（ａ_k1，ａ_k2，……，ａ_km）を算出し、これらの特徴ベクトルと予め求めておいた路面状態毎の特徴ベクトルとからカーネル関数を算出し、このカーネル関数を用いた識別関数の値から路面状態がＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれかであるかを推定する構成の路面状態推定装置などが挙げられる。なお、路面特徴ベクトルは、試験車両をＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面上でそれぞれ走行させたときの複数の特定周波数帯域の振動レベルを成分とした特徴ベクトルである。
なお、路面状態推定手段１６はタイヤ４０内に設けてもよいし、車体側に設けてもよい。車体側に設ける場合には、タイヤ４０側から加速度センサーで検出した加速度波形のデータを車体側に送るのではなく、タイヤ４０側に演算装置を設けて、路面状態の推定に用いる帯域値（加速度波形から検出される特定周波数帯域の振動レベル）、もしくは、帯域値の演算値を算出し、これを路面状態推定手段１６に送る構成とすることが好ましい。

【0016】

車両情報収集手段１７は、路面状態推定手段１６で推定された路面状態（以下、推定路面状態という）と、圧力センサ１２で計測したタイヤ内圧と、車輪速センサ１３で算出した車輪速と、ＧＰＳ装置１４で取得した車両の位置データと、Ｗｅｂ情報取得手段１５で取得した気象情報とを収集して、当該車両を識別するための車両ＩＤとともに、当該車両の車両情報として、送信機１８に送る。車両情報には、車両ＩＤと車両情報の取得時刻のデータ（時刻データ）も含まれる。なお、時刻データとしては、加速度の時系列波形の抽出時刻、位置データの取得時刻あるいは、データ送信時刻などを用いればよい。これらの時刻は、ほぼ同時刻なので、どの時刻を時刻データとしても問題はない。
送信機１８は、前記車両情報を、車両情報収集手段１７により収集された、推定路面状態，タイヤ内圧，車輪速，車両の位置データ，気象情報、及び、当該車両を識別するための車両ＩＤとともに、図示しない送信アンテナから、路面状態管理センター２のサーバー２０に送信する。
受信機１９は、路面状態管理センター２の路面状態判別装置３０で判別され、サーバー２０の送信機から送信された所定の時間内かつ所定の範囲内の場所における路面状態のデータを受信する。なお、この受信された路面状態のデータを車内に設けられたモニター上に表示することで、運転者は前記所定の時間内かつ所定の範囲内の場所における路面状態を知ることができる。

【0017】

サーバー２０は、各車両Ｗ_k（ｋ＝１〜Ｎ）から送られてくる推定路面状態のデータと車両情報とを受信機２１で受信し、これらのデータを、所定の時間内かつ所定の範囲内の場所における推定路面状態のデータと車両情報とに分類して、データ記憶手段２２に保存するとともに、送信機２３から、路面状態判別装置３０で判別された所定の時間内かつ所定の範囲内の場所における路面状態のデータを登録車両に送信する。
各車両Ｗ_kの推定路面状態のデータと車両情報は、データ記憶手段２２に分類・保存される。具体的には、図４に示すように、データ記憶手段２２の記憶領域２２ａには、所定の場所Ｐ_aにおいて、複数の車両Ｗ(a)_j（ｊ＝１〜ｎａ）で取得されたデータが保存され、領域２２ｂには、所定の場所Ｐ_bにおいて複数の車両Ｗ(b)_j（ｊ＝１〜ｎｂ）で取得されたデータが保存される。ここで、ｎａ＋ｎｂ＋……＝Ｎである。
ここで、所定の時間は、例えば、予め設定された判別時刻を含む１分〜５分の範囲を指し、所定の範囲とは、例えば、予め設定された道路地図上の場所を含む範囲を指す。路面状態の予測は場所毎に行うが、以下では、場所Ｐ_aにおける路面状態を予測する場合について説明するので、場所Ｐ_aを通過する車両をＷ_j（ｊ＝１〜ｎ）とするなど、場所Ｐ_aを示す添字を省略する。
また、所定の範囲の指定は、例えば、図４に示す、ナビゲーション用の道路地図上の所定の大きさ枠のグリットを用いれば、各車両Ｗ_kとサーバー２０とで位置の整合性を取り易いので好ましい。
また、登録車両は、前記の路面状態推定手段１６を搭載した車両Ｗ_kだけではなく、サーバー２０と通信により接続されている車両も含まれる。

【0018】

路面状態判別装置３０は、統計データ作成手段３１と、路面状態判別手段３２とを備え、部前記分類された車両情報を用いて、所定の時間内かつ所定の範囲内の場所における路面状態の判別を行う。
統計データ作成手段３１は、各車両Ｗ_j（ｊ＝１〜ｎ）から送られてくる、所定の時間内かつ所定の範囲内の場所におけるｎ個の推定路面状態のデータに、当該車両の車両情報に基づく重み付けを行った後、ＤＲＹ路面と推定した車両数，ＷＥＴ路面と推定した車両数，ＳＮＯＷ路面と推定した車両数，及び、ＩＣＥ路面と推定した車両数をそれぞれカウントし、所定の時間内かつ所定の範囲内の場所における推定路面状態の出現割合を、推定路面状態Ｒ（Ｒ；ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面）毎に集計したマップ（ここでは、分布図）を作成する。なお、１台の車両が、所定の時間内かつ所定の範囲内の場所において複数のデータを送ってくる場合には、別車両からのデータとして処理する。この場合、車両数は「のべ車両数」となる。なお、データが同一車両のデータであるか否かは車両ＩＤにより区別できる。
すなわち、１台の車両Ｗ_jから送られてくる推定路面状態のデータは、通常であれば、１個とカウントするが、統計データ作成手段３１では、車両情報により各推定路面状態のデータの重み付けを行い、各データをｗ_k個（０≦ｗ_k≦１）とカウントする。以下、このｗ_kを車両確度という。具体的には、車両Ｗ_kの推定した推定路面状態がＤＲＹ路面であり、車両確度ｗ_kが０．７である場合には、ＤＲＹ路面のデータ数が０．７個であるとカウントする。
あるいは、１台の車両Ｗ_kのカウント数を１個に固定し、ＤＲＹ路面のデータ数を０．７個、ＷＥＴ路面のデータ数を０．２個、ＳＮＯＷ路面のデータ数を０．１個、ＩＣＥ路面のデータ数を０個とするなど、１個のカウント数を、各路面状態に振り分けるようにしてもよい。

【0019】

車両確度ｗ_kとしては、タイヤ内圧による確度ｗ_kpや走行状態による確度ｗ_ktを用いることができる。例えば、タイヤ内圧が所定の圧力であれば、ｗ_kp＝１とし、所定圧力よりも低い場合にはｗ_kp＝０．７などとすればよい。また、車両Ｗ_kが一定速度で走行中であればｗ_kt＝１とし、加速もしくは減速状態にある（車輪速が変化している場合）にはｗ_kt＝０．８とする。また、タイヤ内圧と走行状態の両方で重み付けする場合には、車両確度ｗ_kを、確度ｗ_kpと確度ｗ_ktとの積とすればよい。すなわち、複数の車両情報により重み付けする場合には、車両確度ｗ_kを複数の確度ｗ_ktの積、もしくは、複数の確度ｗ_kの演算式とすればよい。
確度ｗ_kpや確度ｗ_ktは、タイヤ内圧を変えた試験車両を各路面にて一定速度で多数回走行させたり、標準タイヤを装着した試験車両を加減速させて得られた推定路面状態のデータから求められる。
なお、これらの重み付けを、Ｗｅｂ情報取得手段１５で取得した気象情報により変更してもよい。気象情報としては、天候，気温，降雨量，風速，日照時間などの情報のいずれか一つまたは複数を用いることができる。例えば、天候の場合には、天候が晴れで推定路面状態がＤＲＹ路面ならば確度ｗ_kh＝１、天候が曇りで推定路面状態がＤＲＹ路面ならば確度ｗ_kh＝０．７、天候が雨で推定路面状態がＤＲＹ路面ならば確度ｗ_kh＝０．１などとすればよい。上記のように、ｗ_kh＝０．７なら、ＤＲＹ路面のデータ数を０．７個とカウントする。
あるいは、天候が曇りで推定路面状態がＤＲＹ路面ならば、ＤＲＹ路面のデータ数を０．７個、ＷＥＴ路面のデータ数を０．２個、ＳＮＯＷ路面とＩＣＥ路面のデータ数をそれぞれ０．０５個とするなど、１個のカウント数を、各路面状態に振り分けるようにしてもよい。
また、Ｗｅｂ情報取得手段１５で、地形情報や交通情報、あるいは、除雪や融雪剤散布などの道路管理情報を取得し、これらの情報により重み付けを変更してもよい。
図５（ａ），（ｂ）は統計データである実統計マップの一例を示す図で、（ａ）図は重み付けを行う前の実統計マップＭであり、マップの横軸は推定路面状態、縦軸は推定路面状態の出現割合である。路面状態Ｒの出現割合Ｓ_Rは、Ｓ_R＝（推定路面状態Ｒのカウント数）/（総カウント数）により算出される。また、（ｂ）図は重み付け後の実統計マップＭ_Wで、出現割合Ｓ_RWは、Ｓ_RW＝（重み付け後の推定路面状態Ｒのカウント数）/（総カウント数）により算出される。
図５（ａ），（ｂ）から明らかなように、（ｂ）図の重み付け後の実統計マップＭ_Wの方が、（ａ）図の実統計マップＭに比較して、推定路面状態の出現割合の差が大きい。

【0020】

路面状態判別手段３２は、図５（ｂ）の重み付け後の実統計マップＭ_Wを用いて、所定の時間内かつ所定の範囲内の場所における路面状態がＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面の内のいずれの路面状態であるかを判別する。具体的には、実統計マップＭ_Wの内の出現割合Ｓ_RWが最も高い推定路面状態Ｒ（ここでは、ＷＥＴ路面）を、所定の時間内かつ所定の範囲内の場所における路面状態である、と判別する。
なお、図５（ａ）でも、路面状態の判別は可能であるが、重み付けを行ったほうが、判別精度は向上する。
この路面状態の判別を、予め設定された時刻毎に、予め設定された複数の箇所を含む領域毎に行えば、道路地図上における各時刻における路面状態を精度よく推定することができる。

【0021】

次に、路面状態判別システム１の動作について、図６のフローチャートを参照して説明する。
まず、各車両Ｗ_k（ｋ＝１〜Ｎ）にて、推定路面状態、タイヤ内圧、車輪速、及び、車両位置などの車両情報と、気象情報のデータなどの車外情報を取得し（ステップＳ１０）、これらの情報を、車両ＩＤ及び取得時刻のデータとともに、路面状態管理センター２のサーバー２０に送信する（ステップＳ１１）。
次に、サーバー２０にて、推定路面状態のデータ及び車両情報を、所定の時間内かつ所定の範囲内の場所毎に分類して保存（ステップＳ１２）する。そして、統計データ作成手段３１にて、各車両Ｗ_j（ｊ＝１〜ｎ）から送られてくる、所定の時間内かつ所定の範囲内の場所におけるｎ個の推定路面状態のデータに、当該車両の車両情報に基づく重み付けを行った（ステップＳ１３）後、ＤＲＹ路面と推定した車両数，ＷＥＴ路面と推定した車両数，ＳＮＯＷ路面と推定した車両数，及び、ＩＣＥ路面と推定した車両数をカウントした統計データを作成する（ステップＳ１４）。
ステップＳ１５では、ステップＳ１４で重み付け後の統計データの内の出現割合Ｓ_RWが最も高い推定路面状態Ｒを、所定の時間内かつ所定の範囲内の場所における路面状態である、と判別する（ステップＳ１５）。
最後に、判別した路面状態の情報を、登録車両に送信する。
なお、別の場所の路面状態の判別を行う場合には、ステップＳ１３に戻って、別の箇所の路面状態の判別を続行する。

【0022】

このように、実施の形態１では、所定の時間内かつ所定の範囲内の場所を走行している複数台の車両Ｗ_jにそれぞれ設けられた加速度センサ１１により検出した走行中のタイヤの振動の時系列波形の情報から、所定の範囲内の場所の路面状態をそれぞれ推定するとともに、これらの推定された路面状態のデータである推定路面状態を蓄積し、この蓄積された複数の推定路面状態のデータから、前記所定の範囲内の場所の路面状態を判別するようにしたので、路面状態の判別精度を向上させることができる。

【0023】

なお、前記実施の形態１では、推定路面状態の統計データを、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面の４つの状態に分類したが、滑りやすい路面であるＳＮＯＷ路面とＩＣＥ路面とをまとめて危険路面とし、この危険路面の発生確率を判別してもよい。
また、前記実施の形態１では、圧力センサ１２で検出したタイヤ内圧、あるいは、車輪速センサ１３で計測した車輪速により検出された走行状態により、推定路面状態のデータに重み付けを行ったが、車両に、走行中のタイヤの温度を測定する温度センサなどの他の車載センサを設け、タイヤ温度などの車両情報を取得し、この取得された車両情報を用いて重み付けを行ってもよい。
また、荷重やタイヤの摩耗状態を検出して重み付けを行ってもよいし、車載センサからの車両情報ではなく、車種や、以下に述べる車両による重み付けを行ってもよい。
車両による重み付けとは、各車両で推定した推定路面状態の推定確度により重み付けすることをいう。推定路面状態の推定確度は、各車両毎に、推定路面状態の推定結果が路面状態の判別結果と一致しているか否かを判定したデータを集積することて求めることができる。すなわち、車両Ｗ_kの推定確度ｗ_kwは、ｗ_kw＝（車両Ｗ_kで推定した路面状態の推定結果が路面状態の判別結果と一致した回数）/（車両Ｗ_kの推定路面状態の推定回数）により求めることができる。
したがって、サーバー２０に、当該車両Ｗ_kの車両ＩＤと推定確度ｗ_kwとを予め記憶しておけば、統計データ作成手段３１における推定路面状態の出現割合の算出に、車両Ｗ_kの推定確度ｗ_kwを用いることができる。なお、車両Ｗ_kの推定確度ｗ_kwは、車両Ｗ_kにおける推定路面状態の推定回数が所定回数（例えば、５０回）以上になってから用いる方が、精度上好ましい。

【0024】

実施の形態２．
前記実施の形態１では、推定路面状態の出現割合から路面状態を判別したが、路面状態の出現割合を予め求めておき、この出現割合のマップ（以下、基準マップという）と実際に収集した推定路面状態の統計データ（以下、実統計マップという）とから、路面状態を判別するようにすれば、路面状態の判別精度を更に向上させることができる。
図７は、本実施の形態２に係る路面状態判別システム３の構成を示す機能ブロック図で、路面状態判別システム３は、加速度センサ１１、圧力センサ１２、車輪速センサ１３、ＧＰＳ装置１４、Ｗｅｂ情報取得手段１５ 路面状態推定手段１６、車両情報収集手段１７、送信機１８、及び、受信機１９を備えた複数の車両Ｗ_k（ｋ＝１〜Ｎ）と、路面状態管理センター２に設けられるサーバー２０及び路面状態判別装置３０Ｐとを備える。
以下に、路面状態判別装置３０Ｐについて説明する。なお、車両Ｗ_k、及び、サーバー２０の構成及び動作については、前記実施の形態１と同様であるので、説明を省略する。

【0025】

路面状態判別装置３０Ｐは、統計データ作成手段３１Ｐと、路面状態判別手段３２Ｐとを備え、サーバー２０に分類されて記憶された車両情報を用いて、所定の時間内かつ所定の範囲内の場所における路面状態が、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれであるかを判別する。
統計データ作成手段３１Ｐは、所定の範囲内の場所を通過する各車両Ｗ_j（ｊ＝１〜ｎ）から送られてくるｎ個の推定路面状態のデータを用いて、ＤＲＹ路面と推定した車両数，ＷＥＴ路面と推定した車両数，ＳＮＯＷ路面と推定した車両数，及び、ＩＣＥ路面と推定した車両数をカウントした統計データ（図５（ａ）に示した、重み付けを行う前の統計データ）である実統計マップＭを作成する。

【0026】

路面状態判別手段３２Ｐは、記憶部３５と判別部３６とを備える。
記憶部３５は、図８（ａ）〜（ｄ）に示すような、路面状態毎の基準マップＭ_D0，Ｍ_W0，Ｍ_S0，Ｍ_I0を保存する。
基準マップＭ_D0は、標準タイヤを装着した試験車両をＤＲＹ路面にて一定速度で多数回走行させて得られた推定路面状態の統計データで、ＤＲＹ路面を走行したときに、路面がＤＲＹ路面であると推定した割合Ｐ_DD0と、路面がＷＥＴ路面であると推定される割合Ｐ_DW0と、路面がＳＮＯＷ路面であると推定される割合Ｐ_DS0と、路面がＩＣＥ路面であると推定される割合Ｐ_DI0とをマップ化したものである。
また、基準マップＭ_W0は、試験車両がＷＥＴ路面を走行したときに、路面がＤＲＹ路面であると推定した割合Ｐ_WD0と、路面がＷＥＴ路面であると推定される割合Ｐ_WW0と、路面がＳＮＯＷ路面であると推定される割合Ｐ_WS0と、路面がＩＣＥ路面であると推定される割合Ｐ_WI0とをマップ化したもので、基準マップＭ_S0は、試験車両がＳＮＯＷ路面を走行したときに、路面がＤＲＹ路面であると推定した割合Ｐ_SD0、路面がＷＥＴ路面であると推定される割合Ｐ_SW0、路面がＳＮＯＷ路面であると推定される割合Ｐ_SS0、路面がＩＣＥ路面であると推定される割合Ｐ_SI0をマップ化したものである。
また、基準マップＭ_I0は、試験車両がＩＣＥ路面を走行したときに、路面がＤＲＹ路面であると推定した割合Ｐ_ID0、路面がＷＥＴ路面であると推定される割合Ｐ_IW0、路面がＳＮＯＷ路面であると推定される割合Ｐ_IS0、路面がＩＣＥ路面であると推定される割合Ｐ_II0をマップ化したものである。
当然のことながら、基準マップＭ_D0では割合Ｐ_DD0が最も高く、基準マップＭ_W0では割合Ｐ_WW0が最も高く、基準マップＭ_S0では割合Ｐ_SS0が最も高く、基準マップＭ_I0では割合Ｐ_II0が最も高い。
以下、前記の割合Ｐ_RR’0を基準出現割合という。ここで、Ｒ，Ｒ’は、Ｄ，Ｗ，Ｓ，Ｉのうちのいずれかを指す。

【0027】

判別部３６では、図８（ａ）〜（ｄ）に示した路面毎の基準マップＭ_D0〜Ｍ_I0と、図５（ｂ）に示した実統計マップＭとから、路面状態を判別するための判定値Ｋ_R（Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）をそれぞれ算出し、これら算出された４つの判定値Ｋ_D〜Ｋ_Iに基づいて、所定の時間内かつ所定の範囲内の場所における路面状態が、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれかであるかを判別する。
ＤＲＹ判定値Ｋ_Dは、実統計マップＭにおける各推定路面の出現割合Ｓ_R＝（推定路面状態Ｒのカウント数）/（総カウント数）と、上述した、基準マップＭ_D0における基準出現割合Ｐ_DD0，Ｐ_DW0，Ｐ_DS0，Ｐ_DI0とを用いて、以下の式（１）により算出される。
Ｋ_D＝｜Ｓ_D−Ｐ_DD0｜＋｜Ｓ_D−Ｐ_DW0｜＋｜Ｓ_D−Ｐ_DS0｜＋｜Ｓ_D−Ｐ_DI0｜ …（１）
ここで、｜Ｓ_D−Ｐ_DR0｜は、Ｓ_DとＰ_DR0（Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）との差の絶対値で、Ｋ_Dは差の絶対値の和である。
同様に、ＷＥＴ判定値Ｋ_W、ＳＮＯＷ判定値Ｋ_S、ＩＣＥ判定値Ｋ_Ｉは、それぞれ、以下の式（２）〜（４）により算出される。
Ｋ_W＝｜Ｓ_W−Ｐ_WD0｜＋｜Ｓ_W−Ｐ_WW0｜＋｜Ｓ_W−Ｐ_WS0｜＋｜Ｓ_W−Ｐ_WI0｜ …（２）
Ｋ_S＝｜Ｓ_S−Ｐ_SD0｜＋｜Ｓ_S−Ｐ_SW0｜＋｜Ｓ_S−Ｐ_SS0｜＋｜Ｓ_S−Ｐ_SI0｜ …（３）
Ｋ_I＝｜Ｓ_I−Ｐ_ID0｜＋｜Ｓ_I−Ｐ_IW0｜＋｜Ｓ_I−Ｐ_IS0｜＋｜Ｓ_I−Ｐ_II0｜ …（４）
そして、４個の判定値Ｋ_D〜Ｋ_Iの大きさを比較し、値が最も小さな判定値Ｋ_Rに対応する路面状態を、所定の時間内かつ所定の範囲内の場所における路面状態である、と判別する。例えば、Ｋ_D＝０．１５，Ｋ_W＝０．３５、Ｋ_S＝０．９、Ｋ_Ｉ＝０．９５であれば、路面がＤＲＹ路面である、と判別し、Ｋ_D＝０．７，Ｋ_W＝０．３、Ｋ_S＝Ｋ_Ｉ＝０．９であれば、路面はＷＥＴ路面である、と判別する。

【0028】

このように、本実施の形態２では、各車両Ｗ_k（ｋ＝１〜ｎ）から送られてくるｎ個の推定路面状態のデータを用いて、ＤＲＹ路面と推定した車両数，ＷＥＴ路面と推定した車両数，ＳＮＯＷ路面と推定した車両数，及び、ＩＣＥ路面と推定した車両数をカウントした統計データである実統計マップＭを作成するとともに、この実統計マップＭにおける各推定路面の出現割合Ｓ_R（Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）と、予め作成しておいた路面状態毎の基準マップＭ_R0における基準出現割合Ｐ_RD0，Ｐ_RW0，Ｐ_RS0，Ｐ_RI0とを用いて、路面状態を判別するための判定値Ｋ_Rをそれぞれ算出し、これら算出された判定値Ｋ_D〜Ｋ_Iに基づいて、所定の時間内かつ所定の範囲内の場所における路面状態が、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれかであるかを判別するようにしたので、路面状態の判別精度を更に向上させることができる。

【0029】

前記実施の形態２では、実統計マップＭにおける推定路面状態の出現割合Ｓ_D，Ｓ_W，Ｓ_S，Ｓ_Iと、基準マップＭ_R0における基準出現割合Ｐ_RD0，Ｐ_RW0，Ｐ_RS0，Ｐ_RI0との差の絶対値の和を用いて判定値Ｋ_D〜Ｋ_Iを求めたが、差の二乗和や二乗和の平方根を判定値Ｋ_D〜Ｋ_Iとしてもよい。あるいは、差の絶対値の逆数などの、差から求められる演算値を用いてもよい。差の絶対値の逆数から求めた判定値ｋ_D〜ｋ_Iで路面状態を判別する場合には、値が最も大きな判定値ｋ_Rに対応する路面状態を、所定の時間内かつ所定の範囲内の場所における路面状態である、と判別することはいうまでもない。

【0030】

実施の形態３．
前記実施の形態２においては、各車両が走行している時刻及び場所の天候を考慮していなかったが、図９に示すように、予め、各路面状態における基準マップを天候毎に作成しておき、これらの基準マップと実統計マップＭとから、路面状態を判別するための判定値Ｋ_R（Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）をそれぞれ算出し、これら算出された４つの判定値Ｋ_D〜Ｋ_Iに基づいて、所定の時間内かつ所定の範囲内の場所における路面状態が、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれかであるかを判別すれば、路面状態の判別精度を更に向上させることができる。
具体的には、天候を「１；晴れ」、「２；曇り」、「３；雨」、「４；雪」の４つに分類し、各天候ｍ（ｍ＝１〜４）において試験車両が路面状態がＲの路面を走行したときに、路面状態がＤＲＹであると推定した割合Ｐ_RDmと、路面がＷＥＴ路面であると推定される割合Ｐ_RWmと、路面がＳＮＯＷ路面であると推定される割合Ｐ_RSmと、路面がＩＣＥ路面であると推定される割合Ｐ_RImとをマップ化した、天候ｍにおける基準マップＭ_Rmを作成する。この場合、基準マップＭ_Rmの数は１６枚となる。

【0031】

路面状態判別手段３２Ｐでは、所定の範囲内の場所を各車両Ｗ_kのＷｅｂ情報取得手段１５で取得し、サーバー２０に送信された時刻（車両Ｗ_kが路面状態を推定している時刻）における天候状態に対応する基準マップＭ_Rmを取出して実統計マップＭと比較して路面状態を判別するための判定値Ｋ_R（Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）を算出する。
例えば、天候が「曇り」の場合のＤＲＹ判定値Ｋ_Dは、図１０に示すように、実統計マップＭにおける各推定路面の出現割合Ｓ_Rと、上述した、曇り状態の基準マップＭ_D2における基準出現割合Ｐ_DD2，Ｐ_DW2，Ｐ_DS2，Ｐ_DI2とを用いて、以下の式（５）により算出される。
Ｋ_D＝｜Ｓ_D−Ｐ_DD2｜＋｜Ｓ_D−Ｐ_DW2｜＋｜Ｓ_D−Ｐ_DS2｜＋｜Ｓ_D−Ｐ_DI2｜ …（５）
同様に、ＷＥＴ判定値Ｋ_W、ＳＮＯＷ判定値Ｋ_S、ＩＣＥ判定値Ｋ_Ｉは、それぞれ、以下の式（６）〜（８）により算出する。
Ｋ_W＝｜Ｓ_W−Ｐ_WD2｜＋｜Ｓ_W−Ｐ_WW2｜＋｜Ｓ_W−Ｐ_WS2｜＋｜Ｓ_W−Ｐ_WI2｜ …（６）
Ｋ_S＝｜Ｓ_S−Ｐ_SD2｜＋｜Ｓ_S−Ｐ_SW2｜＋｜Ｓ_S−Ｐ_SS2｜＋｜Ｓ_S−Ｐ_SI2｜ …（７）
Ｋ_I＝｜Ｓ_I−Ｐ_ID2｜＋｜Ｓ_I−Ｐ_IW2｜＋｜Ｓ_I−Ｐ_IS2｜＋｜Ｓ_I−Ｐ_II2｜ …（８）
また、天候が「晴れ」の場合のＤＲＹ判定値Ｋ_Dは、実統計マップＭにおける各推定路面の出現割合Ｓ_Rと、晴れ状態の基準マップＭ_D1における基準出現割合Ｐ_DD1，Ｐ_DW1，Ｐ_DS1，Ｐ_DI1とを用いて、以下の式（９）により算出される。
Ｋ_D＝｜Ｓ_D−Ｐ_DD1｜＋｜Ｓ_D−Ｐ_DW1｜＋｜Ｓ_D−Ｐ_DS1｜＋｜Ｓ_D−Ｐ_DI1｜ …（９）
天候が「晴れ」の場合のＷＥＴ判定値Ｋ_W、ＳＮＯＷ判定値Ｋ_S、ＩＣＥ判定値Ｋ_Iの算出方法も、天候が「曇り」の場合と同様である。
また、天候が「雨」及び「雪」の場合のＤＲＹ判定値Ｋ_D、ＷＥＴ判定値Ｋ_W、ＳＮＯＷ判定値Ｋ_S、ＩＣＥ判定値Ｋ_Iについても上記と同様に算出すればよい。
そして、前記実施の形態２と同様に、４個の判定値Ｋ_D〜Ｋ_Iの大きさを比較し、値が最も小さな判定値Ｋ_Rに対応する路面状態を、所定の時間内かつ所定の範囲内の場所における路面状態である、と判別すれば、天候状態を考慮に入れた路面判別を行うことができるので、路面状態の判別精度を更に向上させることができる。

【0032】

なお、前記実施の形態３は、実統計マップＭにおける各推定路面の出現割合Ｓ_Rと、各天候状態の基準マップＭ_Rmにおける基準出現割合Ｐ_RR’m（Ｒ，Ｒ’；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ、ｍ＝１〜４）との差の絶対値の和（Σ｜Ｓ_R−Ｐ_RR’m｜）を用いて判定値Ｋ_Rを求めたが、差の二乗和、もしくは、差の平均二乗和などの差から求められる他の演算値を用いてもよい。
また、図１１に示すような、各天候ｍ（ｍ＝１〜４）における各路面状態Ｒの出現割合Ｐ_Rmををマップ化した、天候モデルＭ_mを作成し、実統計マップＭにおける推定路面の出現割合Ｓ_Rと、基準マップＭ_R0における基準出現割合Ｐ_RR’mとの差の絶対値の和、もしくは、差の二乗和である差の演算値を求めた後、この差の演算値の逆数Ｚ_Rと、天候モデルＭ_mにおける各路面状態Ｒの出現割合Ｐ_Rmとの積を求めて、これを新たな判定値Ｆ_D〜Ｆ_Iとし、これらの判定値Ｆ_D〜Ｆ_Iを用いて路面状態を判別してもよい。ここで、Ｆ_D＝Ｚ_D・Ｐ_Dm、Ｆ_W＝Ｚ_W・Ｐ_Wm、Ｆ_S＝Ｚ_S・Ｐ_Sm、Ｆ_I＝Ｚ_I・Ｐ_Imである。
この場合には、判定値Ｆ_D〜Ｆ_Iが最も大きな路面状態を所定の時間内かつ所定の範囲内の場所における路面状態であると判別する。
このように、実統計マップＭにおける推定路面の出現割合Ｓ_D，Ｓ_W，Ｓ_S，Ｓ_Iと、基準マップＭ_R0における基準出現割合Ｐ_RD0，Ｐ_RW0，Ｐ_RS0，Ｐ_RI0との差の演算値の逆数に、各天候モデルＭ_mにおける各路面状態Ｒの出現割合Ｐ_Dm，Ｐ_wm，Ｐ_Sm，Ｐ_Imでそれぞれ重み付けしたものを判定値Ｆ_D〜Ｆ_Iとして路面状態を判別しても、天候状態を考慮に入れた路面判別を行うことができる。

【0033】

また、前記実施の形態３では、各車両が走行している時刻及び場所の天候の情報により判定値Ｋ_Rを変更したが、判定値Ｋ_Rを車両情報により変更してもよい。
車両情報としては、車両ＩＤ，車種，タイヤ種，タイヤ内圧，タイヤ温度，荷重などが挙げられる。なお、車両ＩＤの情報とは、前述した各車両で推定した推定路面状態の推定確度の情報を指す。
判定値Ｋ_Rを車両情報により変更する方法としては、前記実施の形態３と同様に、予め、各路面状態における基準マップを車両情報毎に作成しておき、これらの基準マップＭ_Rn（ｎは特定の車両情報を指す）と実統計マップＭとから、路面状態を判別するための判定値Ｋ_R（Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）をそれぞれ算出し、これら算出された４つの判定値Ｋ_D〜Ｋ_Iに基づいて、所定の時間内かつ所定の範囲内の場所における路面状態が、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれかであるかを判別する方法と、実統計マップＭにおける推定路面の出現割合Ｓ_D，Ｓ_W，Ｓ_S，Ｓ_Iと、路面状態毎の基準マップＭ_R0における基準出現割合Ｐ_RD0，Ｐ_RW0，Ｐ_RS0，Ｐ_RI0との差の絶対値の和、もしくは、差の二乗和である差の演算値を求めた後、この差の演算値の逆数と、車両情報毎の基準マップＭ_nにおける基準出現割合Ｐ_Dn，Ｐ_Wn，Ｐ_Sn，Ｐ_Inとの積を求めて、これらの積を新たな判定値Ｆ_D〜Ｆ_Iとし、判定値Ｆ_D〜Ｆ_Iを用いて路面状態を判別する方法のいずれを用いてもよい。

【0034】

また、判定値Ｋ_Rを各車両が走行している時刻及び場所の天候の情報と車両情報の両方により変更すれば、路面状態の判別精度を更に向上させることができる。
この場合には、予め各路面状態における基準マップを天候及車両情報毎に作成しておき、これらの基準マップＭ_Rmn（ｍは天候、ｎは特定の車両情報を指す）と実統計マップＭとから、路面状態を判別するための判別値Ｋ_R（Ｒ；ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）をそれぞれ算出し、これら算出された４つの判定値Ｋ_D〜Ｋ_Iに基づいて、所定の時間内かつ所定の範囲内の場所における路面状態が、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれかであるかを判別する。
あるいは、実統計マップＭにおける推定路面の出現割合Ｓ_D，Ｓ_W，Ｓ_S，Ｓ_Iと、車両情報毎の基準マップＭ_Rnにおける基準出現割合Ｐ_RDn，Ｐ_RWn，Ｐ_RSn，Ｐ_RInとの差の絶対値の和、もしくは、差の二乗和である差の演算値を求めた後、この差の演算の逆数と、天候ｍにおける基準マップＭ_mにおける基準出現割合Ｐ_Dm，Ｐ_Wm，Ｐ_Sm，Ｐ_Imとの積を求めて、これらの積を新たな判定値Ｆ_D〜Ｆ_Iとし、判定値Ｆ_D〜Ｆ_Iが最も大きい路面状態を所定の時間内かつ所定の範囲内の場所における路面状態である、と判別する。
あるいは、実統計マップＭにおける推定路面の出現割合Ｓ_D，Ｓ_W，Ｓ_S，Ｓ_Iと、天候ｍにおける基準マップＭ_Rmにおける基準出現割合Ｐ_RDm，Ｐ_RWm，Ｐ_RSm，Ｐ_RImとの差の絶対値の和、もしくは、差の二乗和である差の演算値を求めた後、この差の演算の逆数と、車両情報毎の基準マップＭ_nにおける基準出現割合Ｐ_Dn，Ｐ_Wn，Ｐ_Sn，Ｐ_Inとの積を求めて、これらの積を新たな判定値Ｆ_D〜Ｆ_Iとし、判定値Ｆ_D〜Ｆ_Iが最も大きい路面状態を所定の時間内かつ所定の範囲内の場所における路面状態である、と判別してもよい。
または、実統計マップＭにおける推定路面の出現割合Ｓ_D，Ｓ_W，Ｓ_S，Ｓ_Iと、基準マップＭ_R0における基準出現割合Ｐ_RD0，Ｐ_RW0，Ｐ_RS0，Ｐ_RI0との差の絶対値の和Ｋ_R、もしくは、差の二乗和である差の演算値を求めた後、この差の演算の逆数と、天候ｍにおける基準マップＭ_mにおける基準出現割合Ｐ_Dm，Ｐ_Wm，Ｐ_Sm，Ｐ_Imとの積を求め、更に、この積と、車両情報毎の基準マップＭ_nにおける基準出現割合Ｐ_Dn，Ｐ_Wn，Ｐ_Sn，Ｐ_Inとの積を求めて、これらの積を新たな判定値Ｆ_D〜Ｆ_Iとし、判定値Ｆ_D〜Ｆ_Iが最も大きい路面状態を所定の時間内かつ所定の範囲内の場所における路面状態である、と判別してもよい。

【0035】

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。

【0036】

例えば、前記実施の形態１〜３では、路面状態推定手段１６として、カーネル関数を用いた識別関数の値から路面状態がＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面のいずれであるかを推定する構成の路面状態推定装置を用いたが、加速度センサ１１で検出した加速度の時系列波形を周波数分析して得られた振動スペクトルの振動レベルと、予め求めておいた路面摩擦係数μと振動レベルとの関係を示すＧ−テーブルとを比較して、路面摩擦係数μを推定する構成の路面状態推定装置や、タイヤもしくはリムに取付けられた加速度センサの時系列波形から路面状態を推定する構成の路面状態推定装置など、他の構成の路面状態推定手段を用いてもよい。
あるいは、走行中のタイヤから発生するタイヤ発生音を検出し、この検出されたタイヤ発生音の設定周波数範囲内の音圧レベルの平均値と基準音圧レベルと比較することにより、路面がかなり濡れたアスファルト路か、やや濡れたアスファルト路か、乾いたアスファルト路か、もしくは、氷路かを推定する構成の路面状態推定手段を用いてもよい。
また、本発明は、推定路面状態の統計データを、ＤＲＹ路面，ＷＥＴ路面，ＳＮＯＷ路面，ＩＣＥ路面の４つの状態について求めることに限定されるものではなく、路面摩擦係数μによりに分けたり、「高μ路（μ≧０．７）」、「中μ路（０．３＜μ＜０．７）」、「低μ路（μ≦０．３）」などに分けてもよい。

【0037】

また、前記実施の形態１〜３では、路面状態推定手段１６を車両Ｗ_k毎に設けたが、路面状態推定手段１６を路面状態管理センター２に設け、車両Ｗ_kからは、路面状態の推定に用いる複数の帯域値（加速度波形から検出される特定周波数帯域の振動レベル）、もしくは、帯域値の演算値を路面状態管理センター２に送る構成としてもよい。
これにより、タイヤ４０内に路面状態推定手段１６を設けた場合に比較して、タイヤ４０から送信するデータ量が少なくてすむので、送信機やタイヤ内発電装置を小型化できる。

【産業上の利用可能性】

【0038】

以上説明したように、本発明によれば、前記所定の時間内かつ所定の範囲内の場所における路面状態を精度よく判別することができるので、この判別結果を、所定の範囲内の場所を走行する車両に通知するなどすれば、車両の走行安全性を向上させることができる。

【符号の説明】

【0039】

１ 路面状態判別システム、２ 路面状態管理センター、
１１ 加速度センサ、１２ 圧力センサ、１３ 車輪速センサ、１４ ＧＰＳ装置、
１５ Ｗｅｂ情報取得手段、１６ 路面状態推定手段、１７ 車両情報収集手段、
１８ 送信機、１９ 受信機、２０ サーバー、２１ 受信機、２２ データ記憶手段、
２３ 送信機、３０，３０Ｐ 路面状態判別装置、３１，３１Ｐ 統計データ作成手段、
３２，３２Ｐ 路面状態判別手段、３５ 記憶部、３６ 判別部、
４０ タイヤ、４１ インナーライナー部、４２ タイヤ気室、４３ トレッド、
４４ リム、Ｗ₁〜Ｗ_n 車両。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】