特許 7646742 車両モニタ

(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】

(24)【登録日】2025-03-07

(45)【発行日】2025-03-17

(54)【発明の名称】車両モニタ

(51)【国際特許分類】

   B60W 40/068 20120101AFI20250310BHJP

   B60W 40/02 20060101ALI20250310BHJP

   B60W 40/076 20120101ALI20250310BHJP

   B60W 40/12 20120101ALI20250310BHJP

   B60W 50/14 20200101ALI20250310BHJP

   B60W 60/00 20200101ALI20250310BHJP

   G08G 1/00 20060101ALI20250310BHJP

   G01W 1/00 20060101ALI20250310BHJP

【ＦＩ】

B60W40/068

B60W40/02

B60W40/076

B60W40/12

B60W50/14

B60W60/00

G08G1/00 J

G01W1/00 J

【請求項の数】 28

【外国語出願】

(21)【出願番号】P 2023098001

(22)【出願日】2023-06-14

(62)【分割の表示】P 2020535322の分割

【原出願日】2018-09-07

(65)【公開番号】P2023120309

(43)【公開日】2023-08-29

【審査請求日】2023-06-29

(31)【優先権主張番号】62/556,443

(32)【優先日】2017-09-10

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/556,444

(32)【優先日】2017-09-10

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/556,445

(32)【優先日】2017-09-10

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/556,447

(32)【優先日】2017-09-10

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/564,270

(32)【優先日】2017-09-28

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/573,828

(32)【優先日】2017-10-18

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/722,210

(32)【優先日】2018-08-24

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】520081190

【氏名又は名称】タクタイル モビリティ リミテッド

(74)【代理人】

【識別番号】100145403

【弁理士】

【氏名又は名称】山尾 憲人

(74)【代理人】

【識別番号】100189555

【弁理士】

【氏名又は名称】徳山 英浩

(74)【代理人】

【識別番号】100112911

【弁理士】

【氏名又は名称】中野 晴夫

(72)【発明者】

【氏名】ミズラヒ、ボアズ

(72)【発明者】

【氏名】アドラー、ヤロン

(72)【発明者】

【氏名】シャピラ、スタニスラフ

(72)【発明者】

【氏名】マツキ、イーガル

(72)【発明者】

【氏名】ローゼンバーグ、アビブ

【審査官】藤村 泰智

(56)【参考文献】

【文献】欧州特許出願公開第１８８１３４６（ＥＰ，Ａ１）

【文献】特開２０１４－２０２４９９（ＪＰ，Ａ）

【文献】特開２００９－０３５０６７（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１４／００３２０８７（ＵＳ，Ａ１）

【文献】特開２０１２－２１６１０３（ＪＰ，Ａ）

【文献】特開２０１５－１６０５３９（ＪＰ，Ａ）

【文献】実開昭６０－１８５２６２（ＪＰ，Ｕ）

【文献】特開平０５－１０５０５８（ＪＰ，Ａ）

【文献】特開平０５－１０６４７７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ６０Ｗ ３０／００ ～ ６０／００

Ｇ０８Ｇ １／００ ～ １／１６

Ｇ０１Ｗ １／００

Ｇ０１Ｃ ２１／２６ ～ ２１／３６

(57)【特許請求の範囲】

【請求項1】

１つまたはそれ以上のアクアプレーニング現象の発生を推定する方法であって、
複数の道路セグメントに関連する雨に関する雨情報を受信または生成すること；および、
車両の車両コンピュータによって、複数の道路セグメントにおける１つまたはそれ以上のアクアプレーニング現象の発生を推定すること；を含み、
１つまたはそれ以上のアクアプレーニング現象の発生の推定は、雨情報、車両の少なくとも１つの雨関連パラメータ、および道路セグメントの各道路セグメントに関連する、雨情報と１つまたはそれ以上のアクアプレーニング現象の発生との間のマッピング、に基づき、車両の少なくとも１つの雨関連パラメータは、車両の少なくとも１つのタイヤの健康状態を含む、方法。

【請求項2】

１つまたはそれ以上のアクアプレーニング現象の発生の推定に基づいて、運転関連動作を実行することを含む請求項１に記載の方法。

【請求項3】

車両による１つまたはそれ以上のアクアプレーニング現象の発生を検証することを含む請求項１に記載の方法。

【請求項4】

検証することは、
車両センサによって、複数の道路セグメント上を走行する際の車両の挙動を検出して検出結果を提供すること；および、
車両によって、検出結果において１つまたはそれ以上のアクアプレーニングシグネチャを検索すること；を含む請求項３に記載の方法。

【請求項5】

降水時間ウィンドウの間に得られた雨知覚率情報を蓄積して雨情報を生成することを含む請求項１に記載の方法。

【請求項6】

運転関連動作を実行することは、車両を自律的に運転するための自律運転モジュールを選択的に起動することを含む請求項２に記載の方法。

【請求項7】

運転関連動作を実行することは、起動されたときに車両を自律的に運転するように構成された自律運転モジュールを選択的に非活性化することを含む請求項２に記載の方法。

【請求項8】

運転関連動作を実行することは、複数の道路セグメントの各々において車両の速度を設定することを含む請求項２に記載の方法。

【請求項9】

少なくとも１つの車両センサによって雨知覚率を推定することを含む請求項５に記載の方法。

【請求項10】

少なくとも１つの車両センサは、ワイパ制御ユニットに属する請求項９に記載の方法。

【請求項11】

運転関連動作の実行は、車両の人間の運転者に警告を発することを含む請求項２に記載の方法。

【請求項12】

１つまたはそれ以上のアクアプレーニング現象の発生を推定するための非一過性コンピュータプログラム製品であって、非一過性のコンピュータプログラム製品は、
複数の道路セグメントに関連する雨に関する雨情報を受信または生成するための命令；および、
車両の車両コンピュータによって、複数の道路セグメントにおける１つまたはそれ以上のアクアプレーニング現象の発生を推定する命令；を記憶し、
１つまたはそれ以上のアクアプレーニング現象の発生の推定は、雨情報、車両の少なくとも１つの雨関連パラメータ、および道路セグメントの各道路セグメントに関連する、雨情報と１つまたはそれ以上のアクアプレーニング現象の発生との間のマッピングに基づき、車両の少なくとも１つの雨関連パラメータは、車両の少なくとも１つのタイヤの健康状態を含む、非一過性コンピュータプログラム製品。

【請求項13】

１つ以上のアクアプレーニング現象の発生の推定に基づいて、運転関連動作を実行することを含む請求項１２に記載の非一過性コンピュータ可読媒体。

【請求項14】

車両による１つまたはそれ以上のアクアプレーニング現象の発生を検証することを含む請求項１２に記載の非一過性コンピュータ可読媒体。

【請求項15】

検証することは、
車両センサにより、複数の道路セグメント上を走行する際の車両の挙動を検出して検出結果を提供すること；および、
車両により、検出結果において１つ以上のアクアプレーニングシグネチャを検索すること；を含む請求項１４に記載の非一過性コンピュータ可読媒体。

【請求項16】

雨情報を生成するために、降水時間ウィンドウの間に得られた雨知覚率情報を蓄積するための命令を記憶する請求項１２に記載の非一過性コンピュータ可読媒体。

【請求項17】

運転関連動作を実行することは、車両を自律的に運転するための自律運転モジュールを選択的に起動することを含む請求項１３に記載の非一過性コンピュータ可読媒体。

【請求項18】

運転関連動作を実行することは、起動されたときに、車両を自律的に運転するように構成された自律運転モジュールを選択的に非活性化することを含む請求項１３に記載の非一過性コンピュータ可読媒体。

【請求項19】

運転関連動作の実行は、複数の道路セグメントの各々において車両の速度を設定することを含む請求項１３に記載の非一過性のコンピュータ可読媒体。

【請求項20】

少なくとも１つの車両センサによる雨知覚率を推定するための命令を記憶する請求項１６に記載の非一過性コンピュータ可読媒体。

【請求項21】

少なくとも１つの車両センサは、ワイパ制御ユニットに属する請求項２０に記載の非一過性コンピュータ可読媒体。

【請求項22】

運転関連動作の実行は、車両の人間の運転者に警告を発することを含む請求項１３に記載の非一過性のコンピュータ可読媒体。

【請求項23】

車両を運転するための車両システムであって、
ａ）車両の挙動を検知すること、および（ｂ）雨パラメータを検知すること、のうちの少なくとも一方を実行するように構成されたセンサ；および、
複数の道路セグメントに関連する雨に関する雨情報を受信または生成し、および複数の道路セグメントにおける１つまたはそれ以上のアクアプレーニング現象の発生を推定するように構成されたコンピュータ車両；を含み、
１つまたはそれ以上のアクアプレーニング現象の発生の推定は、雨情報、車両の少なくとも１つの雨関連パラメータ、および道路セグメントの各道路セグメントに関連する、雨情報と１つまたはそれ以上のアクアプレーニング現象の発生との間のマッピングに基づき、車両の少なくとも１つの雨関連パラメータは、車両の少なくとも１つのタイヤの健康状態を含む、車両システム。

【請求項24】

車両コンピュータは、１つまたはそれ以上のアクアプレーニング現象の発生の推定に基づいて、運転関連動作の実行を支援するように構成されている請求項２３に記載の車両モニタ。

【請求項25】

運転セッションを決定する方法であって、
車両コンピュータによって、車両プロファイル、および車両に先行する経路の一部の勾配を受信または生成することであって、車両プロファイルは、少なくとも、道路経路および車両パラメータに基づいて生成され、道路経路および車両パラメータの少なくとも一部は、道路画像センサとは異なる車両センサによって検知されること；および、
車両コンピュータによって、車両に先行する経路の推奨運転パラメータを決定することであって、決定は、少なくとも部分的に、車両プロファイル、および１つまたはそれ以上のアクアプレーニング事象に関連する情報に基づいて行われること；を含む方法。

【請求項26】

運転セッションを決定するための非一過性コンピュータプログラム製品であって、
車両コンピュータによって、車両プロファイル、および車両に先行する経路の一部の勾配を受信または生成する命令であって、車両プロファイルは、少なくとも、道路経路および車両パラメータに基づいて生成され、道路経路および車両パラメータの少なくとも一部は、道路画像センサとは異なる車両センサによって検知される命令；および、
車両コンピュータによって、車両に先行する経路の推奨運転パラメータを決定する命令であって、決定は、少なくとも部分的に、車両プロファイル、および１つまたはそれ以上のアクアプレーニング事象に関連する情報に基づいて行われる命令；を記憶するコンピュータプログラム製品。

【請求項27】

車両コンピュータによる、車両に先行する経路の推奨運転パラメータの決定は、また、経路部分の勾配により行われる請求項２６に記載の非一過性コンピュータプログラム製品。

【請求項28】

車両コンピュータによる、車両に先行する経路の推奨運転パラメータの決定は、また、経路部分の勾配により行われる請求項２５に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

相互参照
本出願は以下の仮特許出願からの優先権を主張するものであり、各仮特許出願は、その全体が本明細書に組み込まれる。
米国仮特許出願第６２／５７３，８２８号 出願日２０１７年１０月１８日。
米国仮特許出願第６２／５５６，４４７号 出願日２０１７年 ９月１０日。
米国仮特許出願第６２／５５６，４４５号 出願日２０１７年 ９月１０日。
米国仮特許出願第６２／５６４，２７０号 出願日２０１７年 ９月２８日。
米国仮特許出願第６２／５７５，５４４号 出願日２０１７年１０月２３日。
米国仮特許出願第６２／５５６，４４４号 出願日２０１７年 ９月１０日。
米国仮特許出願第６２／５５６，４４３号 出願日２０１７年 ９月１０日。
米国仮特許出願第６２／７２２，２１０号 出願日２０１８年 ８月２４日。

【背景技術】

【0002】

背景
高度データ
人間の運転者および自律車両は、道路に関する非常に正確な情報から利益を得ることができる。
道路に関する高度に正確な情報を生成するための効率的な方法を提供する必要性が高まっている。
物理事象の測定
今日、自律車両（Ａｕｔｏｎｏｍｏｕｓ Ｖｅｈｉｃｌｅｓ： ＡＶ）アプリケーションおよび高度運転者支援システム（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍｓ： ＡＤＡＳ）アプリケーションは、いくつかの知識ギャップを有し、これらの知識ギャップは、主に視覚センサの使用に起因して、それらのソリューションを脆弱にする。
ＡＶの主な問題の１つは、地図の位置特定であり、地図が与えられると、地図上の現在位置を比較的高い精度で正確に特定する。
位置特定に使用される最初のセンサはＧＰＳである。これは、通常、地図上の一般的な領域を与える。時にはそれは数メートルほど正確であることがあるが、時にはそれより遠く、さらには（空が晴れていない場合、都市環境、または屋根や覆いの下では）欠けていることさえある。
ＧＰＳによって提供されるおおよその情報に従い、位置特定の微調整のために今日使用される主なセンサは、カメラ、ＬｉＤＡＲ、ＲＡＤＡＲ、ＩＲカメラの視覚センサである。これらのセンサは、通常、視覚画像後処理を、以前にマッピング／収集された画像データと比較する。精密に加工する場合、センチメートルの精度をもたらすことがある。
主な問題は悪天候、ヘッドライトによる失明、通信妨害、シーンの変化などの問題のために、これらのセンサが１００％の時間機能していないことである。
このような場合、車両は、縦方向および横方向に正確に位置を特定することができない。
さらに、視覚センサを使用する場合、正確なポジショニングのために必要とされる知識ベースは、多数の画像を含むので、非常に大きい。データベースを更新するには、膨大な通信および処理リソースが必要になる場合がある。
車両プロファイル
ＡＶ（Ａｕｔｏｎｏｍｏｕｓ Ｖｅｈｉｃｌｅｓ）アプリケーションおよびＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍｓ）アプリケーションは、車両挙動および道路条件に基づいている。
車両挙動は、膨大な数のパラメータに依存し、したがって、車両挙動の推定に膨大な計算資源および記憶資源を割り当てる場合であっても、車両挙動を予測不能にする。
車両の挙動の正確で効果的な推定値を提供する必要性が高まっている。
重量
車両の重量は、車両の性能に重大な影響を及ぼす可能性がある。例えば、車両の重量は制動距離に影響を及ぼす。また、車両の重量は、燃料消費、車両の様々なモジュールの製品などに影響を及ぼす。
自律車両（ＡＶ）アプリケーションおよび先進運転支援システム（ＡＤＡＳ）アプリケーションは、車両の重量の正確な測定値をリアルタイムで受信することから利益をうることができる。
車両の重量は車両が商品を搬送しているときに商業的に重要であり、車両の総重量は、車両によって搬送される商品の総重量の推定値を提供する。
車両の重量の正確な推定値を提供する必要性が高まっている。
グリップ
アンチロックブレーキシステムまたはアンチスキッド（横滑り）ブレーキシステム（ＡＢＳ）は、自動車の車輪がドライバーの入力に応じて路面と牽引接触を維持しながら、車輪がロックアップ（回転の停止）し、制御不能なスキッドを回避することを可能にする自動車安全システムである（ｗｗｗ．ｗｉｋｉｐｅｄｉａ．ｏｒｇ）。典型的なＡＢＳシステムは、ブレーキを解除することによって、通常は限界グリップが特定の閾値に達したときにブレーキをポンピングすることによって、車輪がロックアップするのを防止する。ブレーキのポンピングはエネルギーを消費し、このエネルギー消費を低減する必要性が高まっている。さらに、限界グリップ値に達すると、ブレーキ効果は減少する。ブレーキ効果を改善する必要性が高まっている。
自律車両（ＡＶ）アプリケーションおよび高度運転者支援システム（ＡＤＡＳ）アプリケーションは、車両パラメータおよび道路条件を含むがこれらに限定されない様々なパラメータに基づく。
道路条件および車両パラメータは経時的に変化してもよく、グリップは予測されない方法で経時的に変化してもよい。これらのグリップの変化は、車両が運転されるべき方法に影響を及ぼし得る。
経路区間の把持を迅速かつ正確に決定する必要性が高まっている。

【発明の概要】

【0003】

概要
高度データと気圧計ノイズ推定
道路区間（セグメント）の高さを推定するための方法を提供することができる。この方法は、車両の気圧計によって、および所与のドライブセッション中に、複数の気圧計測定値を提供するために車両内圧力を測定することと、車両が道路区間を通過する間に測定が行われることと、複数の補正された気圧計測定値を提供するために気圧計に影響を及ぼす車両状態をコンピュータによって補正（補償）することと、複数の補正された気圧計測定値を複数の車両によって実行された複数の他のドライブセッション中に取得された気圧計情報と併合することによって、道路区間の高さ推定値を提供することと、併合は、セッション定数オフセット補正およびセッション間オフセット補正を実行することと、を含む方法である。
併合は重複（オーバーラップ）するノードを検索することを含み、ここで、各重複するノードは同じロケーション（位置）に対応し、複数のセッションに属する。
併合は、同じ重複ノードに関連し得る異なるセッションの高さ推定値を実質的に等しくするための関連付けプロセスを含むことができる。
この方法は、関連付けプロセス中に導入された重複ノードの高さ推定値の変化に基づいて、重複していないノードの高さ推定値を変更することを含むことができる。
重複しないノードの高さ推定値の変更は、所定の高さ調整分布（調整配分）に従ってセッションに沿って高さ調整を配分することを含むことができる。
所定の高さ調整分布は、均一に分布された高さ調整分布であってもよい。
セッション定数オフセット補正は、重複するノードを関連付けすることなく、重複するノード間の高さの差を低減することを含むことができる。
セッション間オフセット補正は、関連付けプロセスを含むことができる。
気圧計に影響を及ぼす車両状態の補正は、気圧計および気圧計とは異なる少なくとも１つの他の車両センサによって提供される情報に基づくことができる。
少なくとも１つの他の車両センサは、加速度計であってもよい。
併合は、重複するノードに関連する高さ推定値の統計値を計算することと、統計値に基づいて１つまたは複数の高さ推定値を拒否することとを含むことができる。
この方法は、複数の補正された気圧計測定値を、車両の外側に配置されたコンピュータ化されたシステムに送信することを含むことができ、併合は、コンピュータ化されたシステムによって実行することができる。
併合の少なくとも一部は、車両のコンピュータによって実行されてもよい。
気圧計に影響を及ぼす車両状態を補正することは、気圧計測定値をローパスフィルタリングすることを含むことができる。
気圧計に影響を及ぼす車両状態を補正することは、気圧計測定値の少なくともいくつか（一部）を無視するように決定するステップを含むことができる。
気圧計に影響を及ぼす車両状態を補償することは、気圧計測定値の少なくともいくつかを無視するように決定するステップを含むことができる。
気圧計に影響を及ぼす車両状態の補正することは、２つの地点に関連する気圧計測定値によって反映されるように、２つの地点間に延在する道路部分の勾配が最大勾配閾値を超える場合に、気圧計測定値の少なくともいくつかを無視することを決定することを含むことができる。
気圧計に影響を及ぼす車両状態を補正することは、少なくとも１つの気圧計測定値の値に対する気圧計影響事象の効果を計算することを含むことができる。
車両に影響を及ぼす気圧計の補正は、気圧計測定が行われたときに車両の加速に応答することができる。
車両に影響を及ぼす気圧計の補正は、気圧計測定が行われたときの車両の減速に応答することができる。
道路区間の高さを推定するための非一時的コンピュータプログラム製品が提供されてもよい。非一時的コンピュータプログラム製品は、車両の気圧計によって、および所与のドライブセッション中に、複数の気圧計測定値を提供するために車両内部圧力を測定するための命令を格納してもよく、測定は車両が道路区間を通過する間に行われ、コンピュータによって、気圧計に影響を及ぼす車両状態を補正して、複数の補正された気圧計測定値を提供し、複数の補正された気圧計測定値を複数の車両によって実行された複数の他のドライブセッション中に取得された気圧計情報と併合し、それによって、道路区間の高さ推定値を提供し、併合は、セッション一定オフセット補正およびセッション間オフセット補正を実行することを含んでもよい。
併合は重複するノードを検索することを含み、ここで、各重複するノードは同じ位置に対応し、複数のセッションに属する。
併合は、同じ重複ノードに関連する異なるセッションの高さ推定値を実質的に等しくするための関連付けプロセスを含むことができる。
非一時的コンピュータプログラム製品は、関連付けプロセス中に導入された重複ノードの高さ推定値の変化に基づいて、重複しないノードの高さ推定値を変更するための命令を記憶することができる。
重複しないノードの高さ推定値の変更は、所定の高さ調整分布に従ってセッションに沿って高さ調整を分配することを含むことができる。
所定の高さ調整分布は、均一に分布された高さ調整分布であってもよい。
セッション定数オフセット補正は、重複するノードを関連付けすることなく、重複するノード間の高さの差を低減することを含むことができる。
セッション間オフセット補正は、関連付けプロセスを含むことができる。
車両状態に影響を与える気圧計の補償（補正）は、気圧計および気圧計とは異なる少なくとも１つの他の車両センサによって提供される情報に基づいてもよい。
少なくとも１つの他の車両センサは、加速度計であってもよい。
気圧計に影響を及ぼす車両状態の補償は、気圧計測定値パターンに基づくことができる。
併合は、重複するノードに関連する高さ推定値の統計値を計算することと、統計値に基づいて１つまたは複数の高さ推定値を拒否することとを含むことができる。
非一時的コンピュータプログラム製品は、複数の補償された気圧計測定値を、車両の外部に配置することができるコンピュータ化されたシステムに送信するための命令を格納することができ、併合は、コンピュータ化されたシステムによって実行することができる。
併合の少なくとも一部を補償することは、車両のコンピュータによって実行されてもよい。
車両状態に影響する気圧計の補償は、気圧計測定値をローパスフィルタリングすることを含むことができる。
気圧計に影響を及ぼす車両状態を補償（補正）することは、気圧計測定値の少なくともいくつかを無視するように決定するステップを含むことができる。
気圧計に影響を及ぼす車両状態を補償（補正）することは、気圧計測定値の少なくとも一部を無視するように決定するステップを含むことができる。
気圧計に影響を及ぼす車両状態の補償（補正）は、２つの地点に関連する気圧計測定値によって反映されるように、２つの地点間に延在する道路部分の勾配が最大勾配閾値を超える場合に、気圧計測定値の少なくともいくつかを無視するように決定することを含むことができる。
気圧計に影響を及ぼす車両状態を補償（補正）することは、少なくとも１つの気圧計測定値の値に対する気圧計影響事象の効果を計算することを含むことができる。
気圧計に影響を及ぼす車両の補償（補正）は、気圧計測定が行われたときに車両の加速度に応答することができる。
気圧計に影響を与える車両の補償（補正）は、気圧計測定が行われたときの車両の減速に応答することができる。
物理事象（ＰＨＹＳＩＣＡＬ ＥＶＥＮＴＳ）の測定
特許請求の範囲および／または明細書および／または図面に示すように、方法、システム、および非一時的コンピュータ可読媒体を提供することができる。
複数の道路区間に関連する物理事象を測定する方法は、第１の車両センサによって第１のパラメータセットを測定するステップを含んでもよく、測定は車両が複数の道路区間を走行している間に行われ、第１のパラメータセットは車両の車輪運動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なり、車両コンピュータによって、複数の道路区間を走行することに関連する検出物理事象を検出するステップを含んでおり、検出は第１のパラメータセットに基づいてもよく、検出された物理事象に関する物理事象情報を生成するステップを含んでおり、物理事象情報の少なくとも一部を記憶または送信するステップを含んでもよい。
検出された物理事象は、衝突、スリップ、横滑り（スキッド）、スピン、緯度スピン（縦スピン）および経度スピン（横スピン）からなる群から選択されてもよい。
検出された物理事象は、衝突、スリップ、横滑り（スキッド）、スピン、緯度スピン（縦スピン）及び経度スピン（横スピン）を含むことができる。
第１の車両センサは、加速度計および複数の車輪運動センサを含むことができる。
この方法は、道路区間属性を計算することを含むことができる。
道路区間属性は、（ｉ）道路区間を含むことができる道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜（縦方向勾配）、（ｉｉｉ）道路区間の横方向傾斜（横方向勾配）、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも１つの道路区間属性を含むことができる。
道路区間属性は、（ｉ）道路区間を含むことができる道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜、（ｉｉｉ）道路区間の横方向傾斜、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも３つのセグメント属性を含むことができる。
この方法は、物理事象の位置を計算することを含むことができる。
この方法は、第１のパラメータセットの測定に対応する時点における物理事象に関連する異なる車両構成要素の位置に基づいて物理事象の位置を計算することを含むことができる。
本方法は、（ａ）複数の道路区間に関連する以前に検出物理事象に関する参照情報を含む複数の道路区間の参照マップ（基準マップ）と（ｂ）物理事象情報との間の差を計算することを含み、差のうちの少なくともいくつかを送信することを含むことができる。
この方法は、複数の道路区間の参照マップを受信または計算することを含むことができ、参照マップは、（ａ）複数の道路区間に関連する以前に検出された物理事象に関する参照情報と、（ｂ）複数の道路区間に関連する参照道路区間属性とを含むことができる。
この方法は、参照マップと検出された物理事象の順番とに基づいて車両の位置を決定することを含むことができる。
この方法は、検出された物理事象の順番（シーケンス）に適合する物理事象の参照シーケンス（参照順番）を参照マップ内で検索することによって車両の位置を決定することを含むことができる。
この方法は、参照マップ内で、必須の検出物理事象のシーケンスに適合する必須の物理事象の参照シーケンスを検索することによって、車両の位置を決定することを含むことができる。
参照マップは、複数の道路区間の位置および複数の道路区間間の空間的関係に関する情報を記憶することができる基本レイヤ（基本層）を含むことができる。
参照マップは、複数の道路区間に関連する以前に検出された物理事象に関する参照情報を格納することができるレイヤを含むことができる。
この方法は、検出された物理事象のシーケンスに適合する物理事象の参照シーケンスを層内で検索することによって車両の位置を決定することを含むことができる。
検索は、基本レイヤによって表される道路区間をスキャンすることと、スキャンされた道路区間に関連する以前に検出された物理事象に関する参照情報を取り出す（読み出す）こととを含むことができる。
検索は、以前に検出された物理事象に関する参照情報を見つけるためにハッシュ関数を適用することを含み得る。
参照マップは、（ａ）複数の道路区間の位置および複数の道路区間間の空間関係に関する情報を記憶する基本層と、（ｂ）複数の道路区間のうちのいくつかのみに関する追加情報を含むことができる１つまたは複数のスパースレイヤ（疎層）を含むことができ、１つまたは複数のスパースレイヤは、基本レイヤにリンクすることができる。
この方法は、１つまたは複数のスパースレイヤおよび車両の位置に基づいて、運転指示（ドライブ命令）を生成するステップを含んでもよい。
参照マップは、固定フィールドサイズスパースレイヤおよび可変サイズスパースレイヤを含むことができ、可変サイズスパースレイヤは、参照物理事象情報を含むことができる。
この方法は、参照マップの一部を更新するための参照マップ更新を受信し、参照マップの更新されていない部分を更新することなく、参照マップの一部を更新することを含むことができる。
参照マップは、車両または車両の運転者に関連付けられた運転パターンに関する情報を記憶するプライベートフィールドを含むことができ、パブリックフィールドを含むことができる。
この方法は、少なくとも第１のパラメータセットに基づいて仮想センサ情報を生成するステップをさらに含むことができる。
この方法は、さらに、画像センサを使用することによって、車両の横方向位置を決定することを含むことができる。
物理事象情報は、検出された物理事象の正規化された大きさを含むことができる。
領域の参照マップを生成するための方法が提供されてもよく、この方法は、（ａ）領域に属する道路区間上を走行するときに複数の車両によって検出された物理事象に関する物理事象情報と、（ｂ）複数の車両によって計算された道路区間属性とを通信インターフェースによって受信することを含んでもよく、道路区間属性はこの領域に属する道路区間に関連付けられてもよく、複数の車両の車両の物理事象情報は車両の第１の車両センサによって感知されてもよい第１のパラメータセットに基づいてもよく、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なり、コンピュータ化されたシステムによって、複数の車両によって検出された検出物理事象に関する物理事象情報と、複数の車両によって計算された道路区間属性とに基づいて、参照マップを計算すること、を含んでもよい。
検出された物理事象は、衝突、スリップ、横滑り、スピン、緯度スピンおよび経度スピンからなる群から選択されてもよい。
検出された物理事象は、衝突、スリップ、横滑り、スピン、緯度スピン及び経度スピンを含むことができる。
第１の車両センサは、加速度計及び複数の車輪運動センサを含むことができる。
道路区間属性は、（ｉ）道路区間を含むことができる道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜（縦勾配）、（ｉｉｉ）道路区間の横方向傾斜（横勾配）、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも１つの道路区間属性を含むことができる。
道路区間属性は、（ｉ）道路区間を含むことができる道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜、（ｉｉｉ）道路区間の横方向傾斜、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも３つのセグメント属性を含むことができる。
参照マップは、（ａ）複数の道路区間に関連する以前に検出された物理事象に関する参照情報と、（ｂ）複数の道路区間に関連する参照道路区間属性とを含むことができる。
参照マップは、複数の道路区間の位置および複数の道路区間間の空間的関係に関する情報を記憶することができる基本レイヤ（基本層）を含むことができる。
参照マップは、複数の道路区間に関連する以前に検出された物理事象に関する参照情報を格納することができるレイヤ（層）を含むことができる。
参照マップは、（ａ）複数の道路区間の位置および複数の道路区間間の空間関係に関する情報を記憶する基本層と、（ｂ）複数の道路区間の道路区間のうちのいくつかのみに関する追加情報を含むことができる１つまたは複数のスパースレイヤ（疎層）を含むことができ、１つまたは複数のスパースレイヤは、基本レイヤにリンクすることができる。
参照マップは、固定フィールドサイズスパースレイヤおよび可変サイズスパースレイヤを含むことができ、可変サイズスパースレイヤは、参照物理事象情報を含むことができる。
参照マップは、車両または車両の運転者に関連付けられた運転パターンに関する情報を記憶するプライベートフィールドと、パブリックフィールドを含むことができる。
物理事象情報は、検出された物理事象の正規化された大きさを含むことができる。
複数の道路区間に関連する物理事象を測定するための非一時的コンピュータプログラム製品であって、第１の車両センサによって第１のパラメータセットを測定するための命令を格納し、測定は車両が複数の道路区間を走行している間に行われ、第１のパラメータセットは車両の車輪運動パラメータおよび車両加速度パラメータを含み、第１の車両センサは道路画像センサとは異なり、車両コンピュータによって、複数の道路区間を走行することに関連する検出物理事象を検出し、検出物理事象に関する物理事象情報を生成し、物理事象情報の少なくとも一部を格納または送信する、非一時的コンピュータプログラム製品を提供することができる。
検出物理事象は、衝突、スリップ、横滑り、スピン、緯度スピンおよび経度スピンからなる群から選択されてもよい。
検出物理事象は、衝突、スリップ、横滑り、スピン、緯度スピン及び経度スピンを含むことができる。
第１の車両センサは、加速度計及び複数の車輪運動センサを含むことができる。
非一時的コンピュータプログラム製品は、道路区間属性を計算するための命令を記憶することができる。
道路区間属性は、（ｉ）道路区間を含む道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜（縦勾配）、（ｉｉｉ）道路区間の横方向傾斜（横勾配）、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも１つの道路区間属性を含むことができる。
道路区間属性は、（ｉ）道路区間を含む道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜、（ｉｉｉ）道路区間の横方向傾斜、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも３つの区間属性を含むことができる。
非一時的コンピュータプログラム製品は、物理事象の位置を計算する命令を記憶することができる。
非一時的コンピュータプログラム製品は、第１のパラメータセットの測定に対応する時点における物理事象に関連する異なる車両構成要素の位置に基づいて物理事象の位置を計算するための命令を記憶することができる。
非一時的コンピュータプログラム製品は、（ａ）複数の道路区間に関連する以前に検出された物理事象に関する参照情報を含む複数の道路区間の参照マップと、（ｂ）物理事象情報との間の差を計算するし、その差のうちの少なくともいくつかを送信するための命令を格納することができる。
非一時的コンピュータプログラム製品は、複数の道路区間の参照マップを受信または計算するための命令を格納することができ、参照マップは、（ａ）複数の道路区間に関連する以前に検出された物理事象に関する参照情報と、（ｂ）複数の道路区間に関連する参照道路区間属性とを含むことができる。
非一時的コンピュータプログラム製品は、参照マップおよび検出された物理事象の順番（シーケンス）に基づいて車両の位置を決定するための命令を記憶することができる。
非一時的コンピュータプログラム製品は、検出された物理事象の順番（シーケンス）に適合する物理事象の参照シーケンスを参照マップ内で検索することによって車両の位置を決定するための命令を記憶することができる。
非一時的コンピュータプログラム製品は、一連の必須の検出物理事象に適合する必須の物理事象の参照シーケンスを参照マップ内で検索することによって車両の位置を決定するための命令を記憶することができる。
参照マップは、複数の道路区間の位置および複数の道路区間間の空間的関係に関する情報を記憶することができる基本レイヤ（基本層）を含むことができる。
参照マップは、複数の道路区間に関連する以前に検出された物理事象に関する参照情報を格納することができるレイヤを含むことができる。
非一時的コンピュータプログラム製品は、検出された物理事象の順番（シーケンス）に適合する物理事象の参照シーケンス（参照順番）をレイヤ内で検索することによって車両の位置を決定するための命令を記憶することができる。
検索は、基本レイヤによって表される道路区間をスキャンすることと、スキャンされた道路区間に関連する以前に検出された物理事象に関する参照情報を取り出すこととを含むことができる。
検索は、以前に検出された物理事象に関する参照情報を見つけるためにハッシュ関数を適用することを含み得る。
参照マップは、（ａ）基本レイヤが複数の道路区間の位置および複数の道路区間間の空間関係に関する情報を記憶することができ、（ｂ）複数の道路区間の道路区間のうちのいくつかのみに関する追加情報を含むことができる１つまたは複数のスパースレイヤ（疎層）を含むことができ、１つまたは複数のスパースレイヤは、基本レイヤにリンクすることができる。
非一時的コンピュータプログラム製品は、１つまたは複数のスパースレイヤおよび車両の位置に基づいて運転命令を生成するための命令を記憶することができる。
参照マップは、固定フィールドサイズスパースレイヤおよび可変サイズスパースレイヤを含むことができ、可変サイズスパースレイヤは、参照物理事象情報を含むことができる。
非一時的コンピュータプログラム製品は、参照マップの一部を更新し、参照マップの非更新部分を更新せずに参照マップの一部を更新する参照マップ更新を受信するための命令を記憶することができる。
参照マップは、車両または車両の運転者に関連付けられた運転パターンに関する情報を記憶するプライベートフィールドと、パブリックフィールドを含むことができる。
非一時的コンピュータプログラム製品は、少なくとも第１のパラメータセットに基づいて仮想センサ情報を生成することをさらに含むことができる。
非一時的コンピュータプログラム製品は、画像センサを使用することによって車両の横方向位置を決定することをさらに含むことができる。
物理事象情報は、検出された物理事象の正規化された大きさを含むことができる。
領域の参照マップを生成するための非一時的コンピュータプログラム製品が提供されてもよく、この非一時的コンピュータプログラム製品は、（ａ）領域に属する道路区間上を走行するときに複数の車両によって検出された物理事象に関する物理事象情報と、（ｂ）複数の車両によって計算された道路区間属性とを、通信インターフェースによって、複数の車両から受信し、道路区間属性は領域に属する道路区間に関連付けられ、複数の車両内の１つの車両の物理事象情報はその車両の第１の車両センサによって感知され得る第１のパラメータセットに基づいてもよく、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なり、コンピュータ化されたシステムによって、複数の車両によって検出された検出物理事象に関する物理事象情報と複数の車両によって計算された道路区間属性とに基づいて、参照マップを計算するための命令を格納する。
検出物理事象は、衝突、スリップ、横滑り、スピン、緯度スピンおよび経度スピンからなる群から選択されてもよい。
検出物理事象は、衝突、スリップ、横滑り、スピン、緯度スピン及び経度スピンを含むことができる。
第１の車両センサは、加速度計及び複数の車輪運動センサを含むことができる。
道路区間属性は、（ｉ）道路区間を含む道路区間のグループの曲率、（ｉｉ）道路区間の縦勾配、（ｉｉｉ）道路区間の横勾配、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも１つの道路区間属性を含むことができる。
道路区間属性は、（ｉ）道路区間を含む道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜、（ｉｉｉ）道路区間の横方向傾斜、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも３つのセグメント属性を含むことができる。
参照マップは、（ａ）複数の道路区間に関連する以前に検出された物理事象に関する参照情報と、（ｂ）複数の道路区間に関連する参照道路区間属性とを含むことができる。
参照マップは、複数の道路区間の位置および複数の道路区間間の空間的関係に関する情報を記憶することができる基本レイヤを含むことができる。
参照マップは、複数の道路区間に関連する以前に検出された物理事象に関する参照情報を格納することができるレイヤを含むことができる。
参照マップは、（ａ）基本レイヤが複数の道路区間の位置および複数の道路区間間の空間関係に関する情報を記憶することができ、（ｂ）複数の道路区間の道路区間のうちのいくつかのみに関する追加情報を含むことができる１つまたは複数のスパースレイヤを含むことができ、１つまたは複数のスパースレイヤは、基本レイヤにリンクすることができる。
参照マップは、固定フィールドサイズスパースレイヤおよび可変サイズスパースレイヤを含むことができ、可変サイズスパースレイヤは、参照物理事象情報を含むことができる。
参照マップは、車両または車両の運転者に関連する運転パターンに関する情報を記憶するプライベートフィールドと、パブリックフィールドを含むことができる。
物理事象情報は、検出された物理事象の正規化された大きさを含むことができる。
複数の道路区間に関連する物理事象を測定するためのシステムが提供されてもよく、このシステムは、（ｉ）第１の車両センサから第１のパラメータセットを受信するように構成され、測定は車両が複数の道路区間上を走行している間に行われ、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なっていて、（ｉｉ）複数の道路区間上の走行に関連する検出物理事象を検出するように構成されてもよく、検出は第１のパラメータセットに基づいてもよく、検出物理事象に関する物理事象情報を生成し、物理事象情報の少なくとも一部を記憶または送信することを支援するように構成された車両コンピュータを含んでもよい。支援することは、車両の通信モジュールに送信するように指示することを含むことができる。
領域の参照マップを生成するためのシステムが提供されてもよく、このシステムは、（ａ）領域に属する道路区間上を走行するときに複数の車両によって検出された検出物理事象に関する物理事象情報と、（ｂ）複数の車両によって計算された道路区間属性とを複数の車両から受信するように構成された通信インターフェースを含み、道路区間属性は領域に属する道路区間に関連付けられてもよく、複数の車両のうちの１つの車両の物理事象情報は車両の第１の車両センサによって感知されてもよい第１のパラメータセットに基づいてもよく、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なっており、複数の車両によって検出された検出物理事象に関する物理事象情報と、複数の車両によって計算された道路区間属性とに基づいて参照マップを計算するように構成されたプロセッサを含むことができる。
車両プロファイル
本明細書および／または特許請求の範囲および／または図面に示すような方法、システム、および非一時的コンピュータ可読媒体を提供することができる。
車両プロファイルを生成する方法を提供することができ、その方法は、車両プロファイル情報候補を収集することと、少なくとも、車両プロファイル情報候補に基づいて車両プロファイルを生成することを含み、車両プロファイル情報候補は異なる道路経路および車両パラメータに関連する燃料消費情報を含み、道路経路および車両パラメータのうちの少なくともいくつかは道路画像センサとは異なる第１の車両センサによって感知されることができ、車両プロファイルは、（ｉ）第１の組（セット）の道路経路と車両パラメータの異なる値に関する車両の等速移動に関連する巡行燃料消費パラメータの値に関する巡行情報を含む巡行データ構造と、（ｉｉ）第２の組（セット）の道路経路および車両パラメータの異なる値に関する車両のアイドル減速に関連するアイドル減速距離値に関するアイドル減速情報を含むアイドル減速データ構造と、（ｉｉｉ）第３の組（セット）の道路経路および車両パラメータの異なる値に対する車両の一定加速度に関連付けられた加速燃料消費パラメータの値に関する加速情報を含むことができる加速度データ構造と、を含むことができる。
巡行データ構造は、基本的に巡行燃料消費パラメータの値からなる。
第１のセットの道路経路および車両パラメータは、基本的に、車両速度、道路区間勾配、車両重量、および１つまたは複数のトランスミッションシステムパラメータからなる。
そのトランスミッションシステムパラメータは、ギア及びスロットル位置を含むことができる。
アイドル減速構造は、基本的に、アイドル減速距離の値からなる。
第２のセットの道路経路および車両パラメータは、基本的に、始動車両速度、道路区間勾配、および車両重量から構成される。
第２のセットの道路経路および車両パラメータは、本質的に、始動車両速度、道路区間勾配、および車両重量と、１つまたは複数のトランスミッションシステムパラメータとからなる。
そのトランスミッションシステムパラメータは、ギアを含むことができる。
巡行データ構造は、本質的に、加速燃料消費パラメータの値からなる。
第３のセットの道路経路および車両パラメータは、本質的に、始動車両速度、道路区間勾配、車両重量、加速距離、および１つまたは複数のトランスミッションシステムパラメータからなる。
そのトランスミッションシステムパラメータは、ギア及びスロットル位置を含むことができる。
本方法は、経路区間の勾配と、（ｉ）経路区間の２つの端部間の高さの差と（ｉｉ）経路区間の水平投影した長さの比との比較に基づいて車両プロファイル情報候補を拒絶するステップを含むことができる。
この方法は、車両プロファイルに基づいて車両を動的にクラスタ化（クラスタリング）することを含むことができる。
この方法は、各クラスタについてクラスタプロファイルを計算することを含むことができる。
この方法には、車両を含む可能性があるクラスタの少なくとも１つのクラスタプロファイルに基づいて、巡行データ構造、アイドル減速データ構造、および加速データ構造のうちの少なくとも１つを更新することを含んでもよい。
本方法は、車両プロファイルを圧縮して、圧縮車両プロファイルを生成することを含んでもよい。
圧縮は、従属道路経路と車両パラメータとの間の数学的関係を計算することと、巡行データ構造、アイドル減速データ構造、および加速度データ構造のうちの少なくとも１つから、従属道路経路および車両パラメータのうちの少なくとも１つに関する情報を除去することとを含むことができる。
圧縮は、道路経路と、車両速度のサブグループに関連し得る車両パラメータとを除去することを含み得る。
圧縮は、１つまたは複数の道路経路および車両パラメータを車両プロファイルのいずれか１つに記憶することなく、１つまたは複数の道路経路および車両パラメータをキーとして使用することを含むことができる。
車両プロファイルの生成は、第１のセットの道路経路および車両パラメータの特定の値に対する巡行燃料消費パラメータの値を外挿することを含むことができ、外挿は、第１の組の道路経路および車両パラメータの特定の他の測定値に対する巡行燃料消費パラメータの値に応答することができる。
本方法は、車両に先行する経路のために推奨される運転パラメータを計算することを含むことができ、計算は、少なくとも部分的に、車両プロファイル、経路部分の勾配、および外因性制約に基づいてよい。
計算は、経路を部分に仮想的に区間化することを含み、各部分は、実質的に同じ傾斜および実質的に同じ外因性制約の１つまたは複数の経路区間を含むことができる。
この方法は、部分に関連する勾配および最大速度制限に基づいて、各部分の最適速度を見つけることを含むことができる。
車両プロファイルは、巡行データ構造、アイドル減速データ構造、および加速度データ構造からなる。
車両プロファイルを生成するための非一時的コンピュータプログラム製品が提供されてもよく、この非一時的コンピュータプログラム製品は、車両プロファイル情報候補を収集するための命令を記憶し、車両プロファイル情報候補は異なる道路経路および車両パラメータに関連する燃料消費情報を含み、その道路経路および車両パラメータのうちの少なくともいくつかは道路画像センサとは異なる第１の車両センサによって感知され、少なくとも車両プロファイル情報候補に基づいて車両プロファイルを生成するための命令を記憶し、車両プロファイルは（ｉ）第１の組（セット）の道路経路および車両パラメータの異なる値に関する車両の等速移動に関連付けられた巡行燃料消費パラメータの値に関する巡行情報を含む巡行データ構造と、（ｉｉ）第２のセットの道路経路および車両パラメータの異なる値に関する車両のアイドル減速に関連付けられたアイドル減速距離値に関するアイドル減速情報を含むアイドル減速データ構造と、（ｉｉｉ）第３のセットの道路経路および車両パラメータの異なる値に対する車両の一定加速度に関連する加速度燃料消費パラメータの値に関する加速度情報を含む加速データ構造と、を含むことができる。
車両プロファイルを生成するためのコンピュータ化されたシステムを提供することができ、このコンピュータ化されたシステムは、（ｉ）車両プロファイル情報候補を収集するための収集モジュールであって、車両プロファイル情報候補は異なる道路経路および車両パラメータに関連する燃料消費情報を含むことができ、その道路経路および車両パラメータのうちの少なくともいくつかは道路画像センサとは異なる第１の車両センサによって感知することができる収集モジュールと、（ｉｉ）少なくとも車両プロファイル情報候補に基づいて車両プロファイルを生成するためのコンピュータとを含み、車両プロファイルは（ａ）第１のセットの道路経路および車両パラメータの異なる値に対する車両の等速移動に関連付けられた巡航燃料消費パラメータの値に関する巡航情報を含む巡航データ構造と、（ｂ）第２のセットの道路経路および車両パラメータの異なる値に対する車両のアイドル減速に関連付けられたアイドル減速距離値に関するアイドル減速情報を含むアイドル減速データ構造と、（ｃ）第３のセットの道路経路および車両パラメータの異なる値に対する車両の一定加速度に関連付けられた加速度燃料消費パラメータの値に関する加速度情報を含む加速データ構造と、（ｉｉｉ）巡航データ構造、アイドル減速データ構造、および加速度データ構造を記憶するためのメモリと、を含むことができる。
ドライブセッションを決定するための方法が提供されてもよく、その方法は、車両コンピュータによって、車両プロファイルと車両に先行する経路の部分の勾配を受信または生成することを含んでもよく、車両プロファイルは少なくとも道路経路および車両パラメータに基づいて生成されてもよく、道路経路および車両パラメータのうちの少なくともいくつかは道路画像センサとは異なる車両センサによって感知されてもよく、車両コンピュータによって、車両に先行する経路の推奨走行パラメータを決定し、計算は少なくとも部分的に、車両プロファイル、経路部分勾配、および外因性制約に基づくことができる。
計算は、経路を部分に仮想的に区間化することを含み、各部分は、実質的に同じ傾斜および実質的に同じ外因性制約の１つまたは複数の経路区間を含むことができる。
本方法は、各部分に関連する勾配および最大速度制限に基づいて、各部分に対する最適速度を見つけることを含んでもよい。
車両プロファイルは、実質的に、巡航データ構造、アイドル減速データ構造、および加速度データ構造から構成される。
車両プロファイルは、巡行データ構造、アイドル減速データ構造、および加速度データ構造からなる。
ドライブセッションを決定するための非一時的コンピュータプログラム製品が提供されてもよく、この非一時的コンピュータプログラム製品は、車両コンピュータによって、車両プロファイルおよび車両に先行する経路の部分の勾配を受信または生成するための命令を格納し、車両プロファイルは少なくとも道路経路および車両パラメータに基づいて生成され、道路経路および車両パラメータのうちの少なくともいくつかは、道路画像センサとは異なる車両センサによって感知されてもよく、車両コンピュータによって、車両に先行する経路の推奨走行パラメータを決定し、計算は少なくとも部分的に、車両プロファイル、経路部分勾配、および外因性制約に基づいてもよい。
重量
特許請求の範囲および／または明細書および／または図面に示すように、方法、システム、および非一時的コンピュータ可読媒体を提供することができる。
車両の重量を評価するための方法が提供されてもよく、この方法は、学習期間中に、車両センサによって、車両のドライブセッションに関する車両センサ測定値を取得することを含んでもよく、車両センサ測定値は（ａ）ドライブセッションに関連する経路の高さ測定値と、（ｂ）ドライブセッションに関連する燃料消費測定値と、（ｃ）ドライブセッションに関連する道路区間の長さ測定値と、（ｄ）ドライブセッションに関連する速度測定値とを含み、車両センサ測定値に基づいて車両の評価された重量を計算することを含んでもよく、計算することは車両によって浪費されるエネルギーを示すエネルギー係数の値に基づいて行うことができる。
評価重量の計算は、モータ効率関数および燃料消費誤差補正関数を見つけることをさらに含むことができる。
計算は、車両の重量推定値に関連する少なくとも１つの分布（配分）を提供するエネルギー係数の値を検索することを含み、少なくとも１つの分布（配分）は、少なくとも１つの所定の統計的有意性基準を満たす。
評価重量の決定は、以下の式に従って、複数の経路区間の各経路区間についての重量推定値を決定することを含むことができる。

【数1】

ここで、エネルギー係数の群（グループ）は、ｋ_１、ｋ_２、ｋ_３およびｋ_４を含むことができ、
ａｍｅは、推定されたモータ効率関数の値であり、
ｖ_２は、経路区間の終点における車両の速度であり、
ｖ_１は、経路区間の始点における車両の速度であり、
ｖは、経路区間上を走行するときの車両の速度の少なくとも１つの値を表し、
ｘは、経路区間の長さであり、
Δｈは、経路区間の終点と始点の間の高さの差であり、
ｆｕｅｌは、経路区間に関連する誤差補正燃料消費である。
計算は、車両の重量推定値に関連する少なくとも１つの分布（配分）を提供するエネルギー係数の値を検索することを含んでもよく、少なくとも１つの分布（配分）は少なくとも１つの所定の統計的有意性基準を満たす。
所定の統計的有意性基準は、最大の統計的有意性であってもよい。
所定の統計的有意性基準は、重量推定分布の少なくとも１つの最小標準偏差であってもよい。
評価重量の決定は、複数の経路区間の各経路区間について、およびエネルギー係数の異なる値について、重量推定値を決定することを含んでもよい。
評価重量の決定は、複数の経路区間の各経路区間について、エネルギー係数の異なる値について、および異なるモータ効率関数値について、重量推定値を決定することを含むことができる。
評価重量の決定は、エネルギー係数の異なる値に対して、および異なる燃料消費誤差補正関数値に対して、複数の経路区間の各経路区間に対する重量推定値を決定することを含むことができる。
評価重量の決定は、エネルギー係数の異なる値に対して、異なるモータ効率関数値に対して、および異なる燃料消費誤差補正関数値に対して、複数の経路区分の各経路区分に対する重量推定値を決定することを含むことができる。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含むことができる。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含み、車両の重量推定値に関連する少なくとも１つの分布は、各重量推定値に割り当てられた品質特性に応答することができる。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含み、車両の重量推定値に関連する少なくとも１つの分布はヒストグラムとすることができ、ヒストグラムはビンを含むことができ、各ビンは重量推定範囲に関連付けることができ、ビンに属する重量推定値の品質特性を表す値を有する。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含み、車両の重量推定値に関連する少なくとも１つの分布はヒストグラムとすることができ、ヒストグラムはビンを含むことができ、各ビンは重量推定範囲に関連付けることができ、ビンに属する重量推定値の品質特性の合計を表す値を有する。
本方法は、車両センサ測定値のうちの少なくともいくつかに品質特性を割り当てることを含んでもよい。
本方法は、特定の経路区間の始点および終点における車両の速度に関連する差に基づいて、特定の経路区間に関連する車両センサ測定値に品質特性を割り当てることを含むことができる。
この方法は、特定のドライブセッション中の車両の最大速度に基づいて、特定の経路区間に関連する車両センサ測定値に品質特性を割り当てることを含むことができる。
この方法は、車両が下降した経路区間で得られた車両センサ測定値を無視することを含むことができる。
計算は、機械学習を適用することを含むことができる。
車両の重量を評価するための非一時的コンピュータ可読媒体を提供することができ、この非一時的コンピュータ可読媒体は、学習期間中に車両のドライブセッションに関する車両センサ測定値を取得するための命令を格納し、車両センサ測定値は（ａ）ドライブセッションに関連する経路の高さ測定値、（ｂ）ドライブセッションに関連する燃料消費測定値、（ｃ）ドライブセッションに関連する道路区間の長さ測定値、および（ｄ）ドライブセッションに関連する速度測定値を含み、車両センサ測定値に基づいて車両の評価重量を計算し、計算は、車両によって浪費されるエネルギーを示すことができるエネルギー係数の値に基づいて行われる命令を格納することができる。
評価重量の計算は、モータ効率関数および燃料消費誤差補正関数を見つけることをさらに含むことができる。
計算は、車両の重量推定に関連する少なくとも１つの分布を提供するエネルギー係数の値を検索することを含み、少なくとも１つの分布は、少なくとも１つの所定の統計的有意性基準を満たしてもよい。
評価重量の決定は、以下の式に従って、複数の経路区間の各経路区間についての重量推定値を決定することを含むことができる。

【数2】

ここで、エネルギー係数の群は、ｋ_１、ｋ_２、ｋ_３、およびｋ_４を含み、
ａｍｅは、推定されたモータ効率関数の値であり、
ｖ_２は、経路区間の終点における車両の速度であり、
ｖ_１は、経路区間の始点における車両の速度であり、
ｖは、経路区間上を走行するときの車両の速度の少なくとも１つの値を表し、
ｘは、経路区間の長さであり、
Δｈは、経路区間の終点と始点の間の高さの差であり、
ｆｕｅｌは、経路区間に関連する誤差補正燃料消費である。
計算は、車両の重量推定値に関連する少なくとも１つの分布を提供するエネルギー係数の値を検索することを含み、少なくとも１つの分布は、少なくとも１つの所定の統計的有意性基準を満たす。
所定の統計的有意性基準は、最大の統計的有意性であってもよい。
所定の統計的有意性基準は、重量推定分布の少なくとも１つの最小標準偏差であってもよい。
評価重量の決定は、複数の経路区間の各経路区間について、およびエネルギー係数の異なる値について、重量推定値を決定することを含んでもよい。
評価重量の決定は、複数の経路区間の各経路区間について、およびエネルギー係数の異なる値と異なるモータ効率関数値について、重量推定値を決定することを含んでもよい。
評価重量の決定は、複数の経路区間の各経路区間について、およびエネルギー係数の異なる値と異なる燃料消費誤差補正関数値について、重量推定値を決定することを含んでもよい。
評価重量の決定は、複数の経路区間の各経路区間について、およびエネルギー係数の異なる値と異なるモータ効率関数値と異なる燃料消費誤差補正関数値について、重量推定値を決定することを含んでもよい。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含むことができる。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含むことができ、車両の重量推定値に関連する少なくとも１つの分布は、各重量推定値に割り当てられた品質特性に応答することができる。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含むことができ、車両の重量推定値に関連する少なくとも１つの分布はヒストグラムである、ヒストグラムはビンを含むことができ、各ビンは重量推定範囲に関連付けることができ、ビンに属する重量推定値の品質特性を表す値を有する。
評価重量の決定は、品質特性を各重量推定値に関連付けることを含むことができ、車両の重量推定値に関連する少なくとも１つの分布はヒストグラムとすることができ、ヒストグラムはビンを含むことができ、各ビンは重量推定範囲に関連付けることができ、ビンに属する重量推定値の品質特性の合計を表す値を有する。
非一時的コンピュータ可読媒体は、車両センサ測定値の少なくともいくつかに品質特性を割り当てるための命令を記憶することができる。
非一時的コンピュータ可読媒体は、特定の経路区間の始点および終点における車両の速度に関連する差に基づいて、特定の経路区間に関連する車両センサ測定値に品質特性を割り当てるための命令を記憶することができる。
非一時的コンピュータ可読媒体は、特定のドライブセッション中の車両の最大速度に基づいて、特定の経路区間に関連する車両センサ測定値に品質特性を割り当てるための命令を記憶することができる。
非一時的コンピュータ可読媒体は、車両が降下した経路区間で得られた車両センサ測定値を無視するための命令を記憶することができる。
計算は、機械学習を適用することを含むことができる。
車両の重量を評価するための方法が提供されてもよく、この方法は、少なくとも部分的に車両の車両センサによって取得された車両センサ測定値に基づいて計算され車両によって浪費されるエネルギー係数の値を受信し、新しいドライブセッション中に車両センサによって新しいドライブセッションに関連する新しい車両センサ測定値を取得し、エネルギー係数と新しい車両センサ測定値の値に基づいて車両コンピュータにより車両の重量を計算する方法であって、車両センサ測定値は、車両のドライブセッション中に取得され、（ａ）ドライブセッションに関連する経路の高さ測定値、（ｂ）ドライブセッションに関連する燃料消費測定値、（ｃ）ドライブセッションに関連する道路区間の長さ測定値、（ｄ）ドライブセッションに関連する速度測定値と、を含む。
本方法は、車両のモータ効率関数に関する情報を受信することを含むことができ、車両の重量の計算は、車両のモータ効率関数にさらに応答することができる。
モータ効率関数に関する情報は、モータ効率関数係数を含むことができる。
モータ効率関数係数の数は、５０を超えなくともよい。
本方法は、車両の燃料消費誤差補正関数に関する情報を受信することを含み、車両の重量の計算は、燃料消費誤差補正関数にさらに応答することができる。
燃費誤差補正機能に関する情報は、燃費誤差補正機能係数を含んでもよい。
燃料消費量誤差補正関数係数の数は、１０を超えなくともよい。
この方法は、車両のモータ効率関数および車両の燃料消費誤差補正関数に関する情報を受信することを含み、車両の重量の計算は、車両のモータ効率関数および車両の燃料消費誤差補正にさらに応答することができる。
車両の重量の計算は、リアルタイムで実行されてもよい。
この方法は、新しいドライブセッションに関連する新しい車両センサ測定値を送信することを含むことができる。
本方法は、エネルギー係数の更新値を受け取ることを含むことができ、重量の計算は、エネルギー係数の更新値に応答することができる。
重量の計算は、新しいセッションの新しい経路区間について、以下の式を計算することを含むことができる。

【数3】

ここで、エネルギー係数の群は、ｋ_１、ｋ_２、ｋ_３およびｋ_４を含み、
ａｍｅは、推定されたモータ効率関数の値であり、
ｖ_２は、新たな経路区間の終点における車両の速度であり、
ｖ_１は、新しい経路区間の開点における車両の速度であり、
ｖは、新しい経路区間を走行するときの車両の速度の少なくとも１つの値を表し、
ｘは、新しい経路区間の長さであり、
Δｈは、新しい経路区間の終点と始点との間の高さの差であり、
ｆｕｅｌは、新しい経路区間に関連する誤差修正燃料消費である。
車両の重量を評価するための非一時的コンピュータ可読媒体が提供されてもよく、この非一時的コンピュータ可読媒体は、少なくとも部分的に車両の車両センサによって取得された車両センサ測定値に基づいて計算され車両によって浪費されるエネルギー係数の値を受信し、新しいドライブセッション中に車両センサによって新しいドライブセッションに関連する新しい車両センサ測定値を取得し、エネルギー係数の値と車両の車両センサによって取得された車両センサ測定値に少なくとも部分的に基づいて計算され、車両センサ測定値は、車両のドライブセッション中に取得され、（ａ）ドライブセッションに関連する経路の高さ測定値、（ｂ）ドライブセッションに関連する燃料消費測定値、（ｃ）ドライブセッションに関連する道路区間の長さ測定値、および（ｄ）ドライブセッションに関連する速度測定値、を含み、エネルギー係数および新しい車両センサ測定値の値に基づいて車両コンピュータによって車両の重量を計算してもよい。
非一時的コンピュータ可読媒体は、車両のモータ効率関数に関する情報を受信するための命令を格納することができ、車両の重量の計算は、車両のモータ効率関数にさらに応答することができる。
モータ効率関数に関する情報は、モータ効率関数係数を含んでもよい。
モータ効率関数係数の数は、５０を超えない。１ギア当たりの数は、３を超えない。
非一時的コンピュータ可読媒体は、車両の燃料消費誤差補正機能に関する情報を受信するための命令を格納することができ、車両の重量の計算は、燃料消費誤差補正機能にさらに応答することができる。
燃費誤差補正機能に関する情報は、燃費誤差補正機能係数を含んでもよい。
燃料消費量誤差補正関数係数の数は、１０を超えない。
非一時的コンピュータ可読媒体は、車両のモータ効率関数および車両の燃料消費誤差補正関数に関する情報を受信するための命令を格納することができ、車両の重量の計算は、車両のモータ効率関数および車両の燃料消費誤差補正にさらに応答することができる。
車両の重量の計算は、リアルタイムで実行されてもよい。
非一時的コンピュータ可読媒体は、新しいドライブセッションに関連する新しい車両センサ測定値を送信するための命令を記憶することができる。
非一時的コンピュータ可読媒体は、エネルギー係数の更新された値を受信するための命令を格納することができ、重量の計算は、エネルギー係数の更新された値に応答することができる。
重量の計算は、新しいセッションの新しい経路区間について、以下の式を計算することを含むことができる。

【数4】

ここで、エネルギー係数の群は、ｋ_１、ｋ_２、ｋ_３およびｋ_４を含むことができ、
ａｍｅは、推定されたモータ効率関数の値であり、
ｖ_２は、新たな経路区間の終点における車両の速度であり、
ｖ_１は、新しい経路区間の始点における車両の速度であり、
ｖは、新しい経路区間を走行するときの車両の速度の少なくとも１つの値を表し、
ｘは、新しい経路区間の長さであり、
Δｈは、新しい経路区間の終点と始点の間の高さの差であり、
ｆｕｅｌは、新しい経路区間に関連する誤差補正された燃料消費量である。
グリップ
経路区間および車両に関連する正規化経路区間グリップ情報を生成するための方法を提供することができ、この方法は、センサを使用して、車両の複数の車輪の速度に関連する車輪速度情報を生成するステップと、車両コンピュータによって車輪速度情報に基づいてグリップイベントを検出するステップと、グリップイベントの少なくとも一部の間に取得された車両パラメータに基づいて正規化経路区間グリップ情報を決定するステップと、（ｉ）正規化経路区間グリップ情報を送信するステップと、（ｉｉ）正規化経路区間グリップ情報を記憶するステップとのうちの少なくとも１つを実行するステップとを含むことができる。
この方法は、コンピュータ化されたシステムから、コンピュータ化されたシステムによって生成された正規化された経路区間グリップ情報を受信するステップと、コンピュータ化されたシステムによって生成された正規化経路区間グリップ情報を非正規化して、実際の経路区間グリップ情報を提供するステップとを含むことができる。
この方法は、実際の経路区間グリップ情報に基づいて、経路区間を通過するときの車両の限界グリップを計算することを含むことができる。
非正規化は、少なくとも、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および加振（励振）に基づいてもよい。
グリップイベントは、ブレーキングイベント、ターンイベント、および高速イベントから選択されてもよい。
正規化された経路区間グリップ情報の決定は、励振を計算すること、スリップ率を計算すること、および正規化されたスリップ率および正規化された励振を計算することを含むことができる。
本方法は、正規化スリップ率および正規化励振に基づいて正規化スリップ曲線を決定するステップを含んでもよい。
励振の計算は、いくつかの車両速度読取り値を選択することと、グリップイベント中に得られた他の車両速度読み取り値を無視することとを含むことができる。
正規化スリップ率および正規化励振の計算は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両重量、および励振のうちの少なくとも１つに基づくことができる。
車輪速度情報の生成は、車輪速度情報のローパスフィルタリングを含むことができ、ローパスフィルタリングは、期待される車輪速度に応答することができる。
車輪速度情報の生成は、短期変動を無視することを含んでもよい。
グリップイベントは、小さい障害物上の通過に対する車両の応答であってもよく、小さい障害物は車両の複数の車輪のそれぞれの周囲よりも短い長さを有する。
経路区間および車両に関連する正規化経路区間グリップ情報を生成するための非一時的コンピュータプログラム製品を提供することができ、この非一時的コンピュータプログラム製品は、センサを使用して、車両の複数の車輪の速度に関連する車輪速度情報を生成するための命令と、車両コンピュータによって、車輪速度情報に基づいてグリップイベントを検出するための命令と、グリップイベントの少なくとも一部の間に取得された車両パラメータに基づいて正規化経路区間グリップ情報を決定するための命令と、（ｉ）正規化経路区間グリップ情報を送信するための命令と（ｉｉ）正規化経路区間グリップ情報を格納するための命令のうちの少なくとも１つを実行する命令とを格納する。
非一時的コンピュータプログラム製品は、コンピュータ化されたシステムから、コンピュータ化されたシステムによって生成された正規化経路区間グリップ情報を受信し、コンピュータ化されたシステムによって生成された正規化経路区間グリップ情報を非正規化して、実際の経路区間グリップ情報を提供するための命令を格納することができる。
非一時的コンピュータプログラム製品３は、実際の経路区間グリップ情報に基づいて経路区間を通過するときの車両の限界グリップを計算するための命令を記憶することができる。
非一時的コンピュータプログラム製品３において、非正規化は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および励振のうちの少なくともいくつかに基づくことができる。
グリップイベントは、ブレーキングイベント、ターンイベント、および高速イベントから選択されてもよい。
正規化経路区間グリップ情報の決定は、励振を計算すること、スリップ率を計算すること、および正規化スリップ率および正規化励振を計算することを含むことができる。
非一時的コンピュータプログラム製品は、正規化スリップ率および正規化励振に基づいて正規化スリップ曲線を決定するための命令を記憶することができる。
励振の計算は、いくつかの車両速度読み取り値を選択することと、グリップイベントの間に得られた他の車両速度読み取り値を無視することとを含むことができる。
正規化スリップ率および正規化励振の計算は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康、車両の重量、および励振のうちの少なくとも１つに基づいてもよい。
車輪速度情報の生成は、車輪速度情報のローパスフィルタリングを含むことができ、ローパスフィルタリングは、期待車輪速度に応答することができる。
車輪速度情報の生成は、短期変動を無視することを含んでもよい。
グリップイベントは、小さな障害物の上の通路に対する車両の応答であってもよく、小さな障害物は車両の複数の車輪のそれぞれの周囲よりも短い長さを有する。
車両プロファイルを生成するための車両システムが提供されてもよく、この車両システムは、車両の複数の車輪の速度に関連する車輪速度情報を生成するように構成されたセンサと、（ｉ）車輪速度情報に基づいてグリップイベントを検出し、（ｉｉ）グリップイベントの少なくとも一部の間に取得された車両パラメータに基づいて、正規化経路区間グリップ情報を決定するように構成されたコンピュータ車両と、（ａ）正規化経路区間グリップ情報を送信するように構成された通信モジュールと正規化経路区間グリップ情報を格納するように構成されたメモリモジュールとのうちの少なくとも１つを備える。
経路区間および車両に関連する正規化経路区間グリップ情報を生成するための方法であって、この方法は、センサを使用して、車両の複数の車輪の速度に関連する車輪速度情報を生成するステップと、車両コンピュータによって車輪速度情報に基づいて小障害物上の通過に対する車両の応答を検出するステップと、車両の複数の車輪のそれぞれの周囲よりも短い長さを有する小障害物上の通過に対する車両の応答の少なくとも一部の間に取得された車両パラメータに基づいて正規化経路区間グリップ情報を決定するステップと、（ｉ）正規化経路区間グリップ情報を送信するステップと（ｉｉ）正規化経路区間グリップ情報を記憶するステップの内の少なくとも１つを実行するステップと、を含む。
この方法は、コンピュータ化されたシステムから、コンピュータ化されたシステムによって生成された正規化経路区間グリップ情報を受信するステップと、コンピュータ化されたシステムによって生成された正規化経路区間グリップ情報を非正規化して、実際の経路区間グリップ情報を提供するステップとを含むことができる。
この方法は、実際の経路区間グリップ情報に基づいて、経路区間を通過するときの車両の限界グリップを計算することを含むことができる。
非正規化は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および励振のうちの少なくともいくつかに基づくことができる。
正規化経路区間グリップ情報を決定するステップは、励振を計算すること、スリップ率を計算すること、および正規化スリップ率および正規化励振を計算することを含むことができる。
本方法は、正規化スリップ率および正規化励振に基づいて正規化スリップ曲線を決定するステップを含んでもよい。
励振の計算は、いくつかの車両速度読み取り値を選択することと、小さい障害物を通過する車両の応答中に得られた他の車両速度読み取り値を無視することとを含むことができる。
正規化スリップ率および正規化励振の計算は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両重量、および励振のうちの少なくとも１つに基づくことができる。
車輪速度情報の生成は、車両速度情報のローパスフィルタリングを含むことができ、ローパスフィルタリングは、期待車輪速度に応答することができる。
車輪速度情報の生成は、短期変動を無視することを含んでもよい。
経路区間および車両に関連する正規化経路区間グリップ情報を生成するための非一時的コンピュータプログラム製品であって、この非一時的コンピュータプログラム製品は、センサを使用して、車両の複数の車輪の速度に関連する車輪速度情報を生成するための命令と、車両コンピュータによって車輪速度情報に基づいて小障害物上の通過に対する車両の応答を検出するための命令と、車両の複数の車輪のそれぞれの周囲よりも短い長さを有する小障害物上の通過に対する車両の応答の少なくとも一部の間に取得された車両パラメータに基づいて正規化経路区間グリップ情報を決定するための命令と、（ｉ）正規化経路区間グリップ情報を送信することと（ｉｉ）正規化経路区間グリップ情報を格納するための命令のうちの少なくとも１つを実行する命令と、を含む。
非一時的コンピュータプログラム製品は、コンピュータ化されたシステムから、コンピュータ化されたシステムによって生成された正規化経路区間グリップ情報を受信し、コンピュータ化されたシステムによって生成された正規化経路区間グリップ情報を非正規化して、実際の経路区間グリップ情報を提供するための命令を格納することができる。
非一時的コンピュータプログラム製品は、実際の経路区間グリップ情報に基づいて経路区間を通過するときの車両の限界グリップを計算するための命令を記憶することができる。
非正規化は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および励振のうちの少なくともいくつかに基づくことができる。
正規化経路区間グリップ情報の決定は、励振を計算すること、スリップ率を計算すること、および正規化スリップ率および正規化励振を計算することを含むことができる。
非一時的コンピュータプログラム製品は、正規化スリップ率および正規化励振に基づいて正規化スリップ曲線を決定するための命令を記憶することができる。
励振の計算は、いくつかの車両速度読み取り値を選択することと、小さい障害物を通過する車両の応答中に得られた他の車両速度読み取り値を無視することとを含むことができる。
正規化スリップ率および正規化励振の計算は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および励振のうちの少なくとも１つに基づいてもよい。
車輪速度情報の生成は、車輪速度情報のローパスフィルタリングを含むことができ、ローパスフィルタリングは、期待車輪速度に応答することができる。
車輪速度情報の生成は、短期変動を無視することを含むことができる。
車両プロファイルを生成するための車両システムが提供されてもよく、この車両システムは、車両の複数の車輪の速度に関連する車輪速度情報を生成するように構成されたセンサと、（ｉ）車輪速度情報に基づいて小さな障害物上の通過に対する車両の応答を検出し、（ｉｉ）小さな障害物上の通過に対する車両の応答の少なくとも一部の間に取得された車両パラメータに基づいて、正規化経路区間グリップ情報を決定するように構成されたコンピュータ車両と、（ａ）正規化経路区間グリップ情報を送信するように構成された通信モジュールと正規化経路区間グリップ情報を格納するように構成されたメモリモジュールのうちの少なくとも１つと、を備える。
アクアプレーニング
Ｗｉｋｉｐｅｄｉａ．ｏｒｇは、道路車両、飛行機または他の車輪車両のタイヤによるアクアプレーニングまたはハイドロプレーニングを、水の層が車輪と路面の間に形成され、制御入力に対する車両の応答を妨げる摩擦の喪失につながる場合に発生させると定義している。すべての車輪に同時に起こると、実質的には、車は制御不能のそりとなる。アクアプレーニングは、道路面の水が単に潤滑剤として作用する場合とは異なった現象である。アクアプレーニングが起こっていなくても、湿った舗装では摩擦が減少する。
アクアプレーニングがいつ起こるかを予測することは非常に困難であり、したがって、雨が降るときはいつでも自律運転を停止することができる。

【図面の簡単な説明】

【0004】

図面の簡単な説明
本発明と見なされる主題は、本明細書の最後の部分において特に指摘され、明確に特許請求される。しかしながら、本発明は、その目的、特徴、および利点と共に、構成および動作方法の両方に関して、添付の図面と共に読まれるときに、以下の詳細な説明を参照することによって最も良く理解され得る。

【図1】［００３０４］ 図１は、いくつかの道路区間およびいくつかのセッションの例を示す。

【図2】［００３０５］ 図２は、セッションを表すノード及びエッジの一例を示す図である。

【図3】［００３０６］ 図３は、車両、ネットワーク、およびコンピュータ化されたシステムの一例を示す。

【図4】［００３０７］ 図４は、車両、ネットワーク、およびコンピュータ化されたシステムの一例を示す。

【図5】［００３０８］ 図５は、方法の一例を示す。

【図6】［００３０９］ 図６は、方法の一例を示す。

【図7】［００３１０］ 図７は、方法の一例を示す。

【図8】［００３１１］ 図８は、道路区間の２つのシーケンスに関する高さ測定値、および関連付け誤差を示す。

【図9】［００３１２］ 図９および図１０は、複数のセッションおよび様々な高さ推定プロセスの例を提供する。

【図10】［００３１２］ 図９および図１０は、複数のセッションおよび様々な高さ推定プロセスの例を提供する。

【図11】［００３１３］ 図１１は、方法の一例を示す。

【図12】［００３１４］ 図１２は、方法の一例を示す。

【図13】［００３１５］ 図１３は、方法の一例を示す。

【図14】［００３１６］ 図１４は、参照マップの一例を示す図である。

【図15】［００３１７］ 図１５は、図１２の方法および図１３の方法のステップの一例を示す。

【図16】［００３１８］ 図１６および図１７は、道路、道路区間、道路およびノードの例を示す。

【図17】［００３１８］ 図１６および図１７は、道路、道路区間、道路およびノードの例を示す。

【図18】［００３１９］ 図１８は、車両の底部を示す。

【図19】［００３２０］ 図１９は、較正関数を示す。

【図20】［００３２１］ 図２０は、車両の一例を示す図である。

【図21】［００３２２］ 図２１は、方法を示す。

【図22】［００３２３］ 図２２は、方法の一例を示す。

【図23】［００３２４］ 図２３は、車両プロファイルの一例を示す図である。

【図24】［００３２５］ 図２４は、巡行テーブルの一例を示す図である。

【図25】［００３２６］ 図２５は、アイドル加速度テーブルの一例を示す図である。

【図26】［００３２７］ 図２６は、加速度テーブルの一例を示す図である。

【図27】［００３２８］ 図２７は、車両プロファイルの生成または更新の一例を示す図である。

【図28】［００３２９］ 図２８は、方法の一例を示す。

【図29】［００３３０］ 図２９は、車両の道路経路、最大許容速度、および推奨速度の一例を示す図である。

【図30】［００３３１］ 図３０は、方法の一例を示す。

【図31】［００３３２］ 図３１は、方法の一例を示す。

【図32】［００３３３］ 図３２は、モータ効率関数の近似の一例を示す図である。

【図33】［００３３４］ 図３３は、４８個の係数を含むテーブルを示す。

【図34】［００３３５］ 図３４は、モータ効率関数の非線形近似の例を示す。

【図35】［００３３６］ 図３５は、燃料消費誤差補正関数の近似例である。

【図36】［００３３７］ 図３６は、重量推定に関連する分布のヒストグラムを示す。

【図37】［００３３８］ 図３７は、重量推定に関連する分布のヒストグラムを示す。

【図38】［００３３９］ 図３８は、方法の一例を示す。

【図39】［００３４０］ 図３９は、方法の一例を示す。

【図40】［００３４１］ 図４０は、車両、ネットワーク、およびコンピュータ化されたシステムの一例を示す。

【図41】［００３４２］ 図４１は、車両、ネットワーク、およびコンピュータ化されたシステムの一例を示す。

【図42】［００３４３］ 図４２は、車両、ネットワーク、およびコンピュータ化されたシステムの一例を示す。

【図43】［００３４４］ 図４３は、方法の一例を示す。

【図44】［００３４５］ 図４４は、方法の一例を示す。

【図45】［００３４６］ 図４５は、方法の一例を示す。

【図46】［００３４７］ 図４６は、方法とブレーキプロファイルの一例を示す。

【図47】［００３４８］ 図４７は、方法の一例を示す。

【図48】［００３４９］ 図４８は、方法の一例を示す。

【図49】［００３５０］ 図４９は、方法の一例を示す。

【図50】［００３５１］ 図５０は、車両、ネットワーク、およびコンピュータ化されたシステムの一例を示す。

【図51】［００３５２］ 図５１は、正規化スリップ曲線の一例を示す図である。

【図52】［００３５３］ 図５２は、車速および車輪速の一例を示す図である。

【図53】［００３５４］ 図５３は、方法の一例を示す。

【図54】［００３５５］ 図５４は、方法の一例を示す。

【図55】［００３５６］ 図５５は、方法の一例を示す。

【図56】［００３５７］ 図５６は、方法の一例を示す。

【図57】［００３５８］ 図５７は、方法の一例を示す。

【発明を実施するための形態】

【0005】

図面の詳細な説明
以下の詳細な説明では、本発明の完全な理解を提供するために多くの具体的な詳細について述べる。しかしながら、当業者には、本発明がこれらの特定の詳細なしに実施され得ることが理解されるのであろう。他の例では周知の方法、手順、および構成要素は本発明を曖昧にしないように詳細には説明されていない。
説明を簡単かつ明確にするために、図に示される要素は必ずしも一定の縮尺で描かれていないことが理解されるのであろう。例えば、いくつかの要素の寸法は明確にするために、他の要素に対して誇張されていることがある。さらに、適切であると考えられる場合、参照番号は対応するまたは類似の要素を示すために、図面の間で繰り返され得る。
本明細書におけるシステムへのいかなる言及も、システムによって実行され得る方法に必要な変更を加えて適用されるべきである。
本発明の図示された実施形態はほとんどの場合、当業者に知られている電子構成要素および回路を使用して実施することができるので、本発明の基礎となる概念の理解および理解のために、また本発明の教示を曖昧にしたり、逸らしたりしないようにするために、上で示したように必要と考えられるものよりも大幅に詳細を説明することはしない。
本明細書における方法へのいかなる言及も、その方法を実行することができるシステムに準用されるべきであり、コンピュータによって一旦実行されるとその方法の実行に帰着する命令を記憶する非一時的コンピュータ可読媒体に準用されるべきである。
本明細書におけるシステムへのいかなる言及も、システムによって実行することができる方法に準用されるべきであり、コンピュータによって一旦実行されると方法の実行に帰着する命令を記憶する非一時的コンピュータ可読媒体に準用されるべきである。
高度データと気圧計ノイズ推定
本発明の一実施形態によれば、この方法は、初期誤り訂正処理と、気圧計の読み取り値を車両の位置に関連付ける位置特定プロセスとを含むことができる。
図１は、南北道路区間１１、１５、１８、東西道路区間１２、１３、１４、１６、１９、および湾曲道路区間１７を含むいくつかの道路区間の例を示す。道路区間１４を除く全ての道路区間は方向毎に１つの車線を有する双方向道路であり、道路区間１４は方向毎に２つの車線を有する。
３つのドライブセッションがあり、各ドライブセッションは、道路区間と位置合わせされてもされなくてもよいＧＰＳ読み取り値などの位置読み取り値によって表される。
第１のドライブセッションは２１で示され、道路区間１２、１３および道路区間１４の左車線を通過する。
第２のドライブセッションは２２で示され、道路区間１１、１５、１６、１７、１８、１９を通過する。
第３のドライブセッションは２３で示され、道路区間１９、１８、１７、１６、１５、１３および道路区間１４の右車線を通過する。
図２は、セッションを表すノードとエッジの例を示している。
第１のセッション２１は、ノードとエッジ３１の第１シーケンス（順番）によって表される。
第２のセッション２２は、ノードとエッジ３２の第２シーケンス（順番）によって表される。
第３のセッション２３は、ノードとエッジ３３の第３シーケンス（順番）によって表される。
ノードとエッジ３１、３２、３３の第１、第２、および第３のシーケンスは、それぞれ、道路区間１１、１３、１１、および１５によって形成されるジャンクションを表す重なり合うノード（重複ノード）４１を共有する。
重複ノード４１の高さは、ノードとエッジ３１、３２の第１、第２のシーケンスのそれぞれにおいて同じでなければならない。
ノードとエッジ３３、３２の第３、第２のシーケンスは、これらのセッション間の重複を表す複数の重複ノード４２を共有する。
重複ノード４１の各々の高さは、ノードとエッジ３３、３２の第３、第２のシーケンスの各々において同じでなければならない。
提案された方法は、他の道路ネットワークに適用可能であり、通常、数百、数千、さらにはそれ以上の道路を含むことができるはるかに大きな道路ネットワークをマッピングするために使用され、全国的な道路ネットワーク、地域的な道路ネットワークなどであることに留意されたい。
重複ノードは、重複ノードが関連付けプロセスを受けるときに、関連付けノードとなり得る。
関連付けポイントの関連付けプロセスは、高さ推定値の初期差（関連付け誤差）にもかかわらず、異なるセッションにおける関連付けポイントの高さ推定値を等しくすることを含む。この誤差は、グラフの異なるノードに沿って配分（分布）される。その配分（分布）は、任意の配分（分布）であってよく、特に、関連付け点からの距離の増分で関連付けプロセスの影響を低減する分布であってよい。
関連付け作業は、複数の道路区間間（ノードの複数のシーケンス間）で共有される多くの（１０～１０万以上の任意の数の）重複ノードを考慮に入れることができる。
関連付けプロセスは、関連付け誤差（同じ重複ノードに関連する異なる高さ測定値）を計算し、伝播プロセスを考慮しながら、例えば、関連付け誤差の伝播距離を制限することによって、および／または閾値よりも小さい関連付け誤差（伝播前または伝播後）を無視することによって、ノード間で関連付け誤差を分配しようと試みることができる。
図３は、車両５０、ネットワーク６２、およびコンピュータ化されたシステム６０の例を示す。図４は、車両５０、ネットワーク６２、およびコンピュータ化されたシステム６０の別の例を示す。図４は、プロセッサ５５をさらに含むことによって図３と異なる。
車両５０は、任意のタイプの車両とすることができる。図５は、気圧計５１、他のセンサ５２、車両コンピュータ５３、空調モジュール／ファン５４、窓５７、および通信モジュール５８を含む車両を示す。
気圧計５１は、車両５０の前部に配置されているように示されている。気圧計は、車両５０内の任意の位置に配置することができる。１つ以上の気圧計があってもよい。
他のセンサ５２は、車両および／または周囲条件に関連する様々なパラメータを感知することができる。他のセンサ５２は、加速度計、速度計、温度計、窓状態センサ、空気状態モジュール／ファン状態センサ、エンジンセンサ（燃料消費センサなど）、または任意の他のセンサのうちの少なくとも１つを含むことができる。
車両コンピュータ５３は、車両の様々な構成要素および／またはシステムの状態を監視することができ、車両の様々な構成要素および／またはシステムを制御することができ、本明細書に示す方法のいずれかの実行に関与することも、関与しないこともできる。
通信モジュール５８は、ネットワーク６２を介してコンピュータシステム６０と通信することができる。
通信モジュール５８は、近距離通信モジュール、無線周波数通信モジュールなどの長距離通信モジュール、衛星通信モジュール、セルラー通信ネットワークなどとすることができる。
車両は複数のウィンドウを含むことができ、説明を簡単にするために、単一のウィンドウ５７のみが示されている。
車両コンピュータ５３は、プロセッサおよびメモリユニットを含むことができる。プロセッサはハードウェアコンポーネントを含むことができ、汎用プロセッサ、画像プロセッサ、ハードウェアアクセラレータ、ＦＰＧＡ、ＡＳＩＣなどとすることができる。メモリユニットは、不揮発性メモリであってもよい。
コンピュータシステム６０は、クラウドコンピューティング環境内に配置され、１つまたは複数のサーバ、またはコンピュータの任意の組合せを含むことができる。
処理、計算等を含む任意のステップ（本出願に示されている）は、車両コンピュータ５３、プロセッサ５５、および／またはコンピュータシステム６０によって実行することができる。
初期誤り訂正処理
初期誤り訂正処理は、運転自体（例えば、加速、減速）、道路状態（例えば、隆起、穴）、および１つまたは複数の窓の開閉（または車両の他の開口部）、ファンおよび／または空気状態モジュールの動作などの他の気圧計に影響を及ぼす事象などの気圧計に影響を及ぼす事象（イベント）から生じる気圧計誤り（誤差）を訂正することを含むことができる。
他の車両からの気圧計読み取り値に影響を及ぼす前に初期誤り訂正処理を実行し、それによって気圧計誤差の影響を低減することが有益である。
初期誤り訂正ステップは、気圧計に影響を及ぼす事象を直接的または間接的に感知することによって、気圧計に影響を及ぼす事象を検出することを含むことができる。感知は、気圧計の読み取り値（気圧計の読み取り値の急激な変化など、気圧に影響を及ぼす事象を特徴付ける気圧計読み取りパターンを見つけること）のみを考慮することができるが、感知は、加速度計、速度センサ、燃料消費センサ、空調および／またはファンセンサまたは制御モジュールなどの他のセンサ（他のセンサ５２など）からの読み取り値を使用することも含むことができる。
気圧計に影響を及ぼす事象は、速度変化を含むことができる。例えば、車両が加速すると、キャビン内の空気は後方に押される。気圧計が車両のダッシュボードに配置されている場合、加速度によって気圧計の環境に圧力減少が発生する。この圧力減少は、誤って高度が高い（圧力測定値が低い）と解釈されることがある。一方、車両が減速すると、空気が前方に移動し、気圧計の周囲に圧力増加を生じさせ、これは、誤って、より高い高度（より高い圧力の読み）と解釈される可能性がある。加速及び減速は、線形及び非線形の加速及び減速を含むことができる。非線形加速度は、ターンから生じることがある。
気圧計に影響を及ぼす事象は、ウィンドウを開くことを含むことができる。窓が開いているとき、特に高速走行時には、車両内部に突風が発生したり、空気の吸引により低圧になったりすることがある。
初期誤り訂正処理は、気圧計影響事象（気圧計に影響を及ぼす事象）と気圧計読み取り値との間の関係を学習すること、気圧計影響事象と気圧計読み取り値との間の関係に関する情報を受信すること、気圧計影響事象と気圧計読み取り値との間の関係を動的に更新することなどを含むことができる。
空気圧の変化は、比較的緩やかに生じる。異常な状態が存在しない限り、環境の空気圧は非常に徐々に変化し、長さ数百メートル、さらにはそれ以上の領域にわたって実質的に一定に維持されるべきである。気圧計の読み取り値の急激な変化は、気圧計影響事象に関連する可能性がある。気圧計影響事象の発生は、加速度計、通気制御ユニットセンサ、窓の開放に起因する車両の内部空間の温度の急速な変化を感知する温度センサ、窓の開放に関連する音を感知することができる音響センサ、空調ユニットの動作などの他の車両センサを使用して検証または検出することができる。
一旦、気圧計影響事象が検出されると、気圧計影響事象の発生中に得られた気圧計の読み取り値は、廃棄されてもよく、および／または気圧計影響事象によって導入された誤差を補正することによって訂正されてもよい。
例えば、本方法は、気圧計の読み取り値に偽の傾斜をもたらす可能性がある速度変化を検出することを含むことができる。これらの偽の傾斜は、平滑化されてもよい。偽の傾斜は事前定義された位置に現れることがある（たとえば、ジャンクション（特に交差したジャンクション）に入る前に減速し、ジャンクションを出た後に加速する）。ジャンクション（特に交差したジャンクション）の位置は事前に分かっていてもよく、これはジャンクションに関連する偽の傾斜の位置を特定するのに役立ち得る。
ジャンクションの位置は、ジャンクションの位置を記憶するマップまたは他のデータベースから学習されてもよく、および／またはジャンクションを通過する多くの車両の気圧計読取値における偽の傾斜の出現から学習されてもよい。
距離当たりの圧力の変化および高さの変化は、比較的制限されているか、または少なくとも事前に推定または知られていてもよい。例えば、道路の傾斜は、特に非山岳地帯では穏やかであり、傾斜を超える高度変化を表す気圧計の読み取り値は廃棄するか、またはフィルタリング（例えば、ローパスフィルタリング）することができる。ローパスフィルタリングは、例えば、約５ヘルツまたは任意の他の選択された周波数を通過させる。
ロケーションプロセス
ロケーションプロセスは、車両ロケーションデータを、道路のネットワークを表すグラフのノードに変換することを含む。ノードとグラフは、単に道路ネットワークの仮想表現の非限定的な例である。
変換は、例えば、ＧＰＳ読み取り値をグラフのノードのリストにマッピングすることを含むことができる。マッピングは、ＧＰＳ読み取り値とノードとの間の最良の一致（または準最適一致）を見つけることを含むことができる。一致は、ＧＰＳ読み取り値と一致し得る最も近い道路を見つけることを含むことができる。
ＧＰＳ読み取り値は、車両位置データの非限定的な例に過ぎない。他のセンサおよび／またはロケーションモジュール（車両内または車両なし）が、車両ロケーションデータを提供することができる。
ロケーションプロセスは、気圧計の読み取り値をグラフのノードに関連付けることによって継続し、それによって、複数の時点の間に複数の車両からの気圧計の読み取り値を考慮する高さ推定プロセスを容易にする。
例えば、図１及び図２を参照すると、ドライブセッション２１、２２及び２３を表すＧＰＳ読み取り値は、対応する道路区間と、ノードとエッジ３１、３２及び３３の対応する第１、第２及び第３のシーケンスとにマッピングされるべきである。
高さ推定プロセスは、複数のセッションの間に取得された気圧計の読み取り値を考慮することができる。セッションは、ある期間中の経路に沿った車両の伝播を表す。
セッションは、最大許容長、最大許容持続期間（時間）を有することができ、連続的な気圧計の読み取りに関連付けることができる。予め定義された数の気圧計読み取り値のギャップ（気圧計読み取り値のないグラフ内の所定数の連続するノード）は、２つのセッション間の境界として定義されてもよい。最大許容長は、予想される周囲圧力の変化から決めることができる。
気圧計読み取り値をグラフのノードに割り当てた後、本方法は、気圧計読み取り値に関連付けられていないノードの気圧計読み取り値を推定することを含むことができる。推定は、外挿または任意の他の推定方法を含むことができる。
初期誤り訂正プロセスは、セッションの気圧計読み取り値をグラフのノードにマッピングした後、および／またはマッピングの前に実行することができる。
異なるノードに関連する気圧計の読み取り値は、ノードの高さ推定値に変換することができる。
セッションのノードに気圧計読み取り値および／または高さ推定値を割り当てた後、高さ推定プロセスは、他のセッション中に取得された気圧計読み取り値を考慮するマルチセッション高さ推定プロセスを実行することができる。
マルチセッション高さ推定プロセスは、新しいセッションからの気圧計読み取り値が他のセッションから取得された気圧計読み取り値と併合される反復プロセスであってもよい。
マルチセッション高さ推定プロセスは、（ａ）セッション定数オフセット、すなわち、周囲圧力の変化による経路全体の高度シフト（高度誤差）、および（ｂ）セッション間オフセット、すなわち、時間の変化によるセッションに沿った周囲圧力の変化、または長すぎるセッションを定義することを補償することができる。
図５は、本発明の一実施形態による方法１００を示す。
方法１００は、高さ推定プロセスである。
方法１００は、初期化ステップ１１０によって開始することができる。
ステップ１１０は、新しいセッションのノードと前のセッションのノードとの間の関係を決定することを含み得る。
新しいノードは、前のセッションに含まれていなかった新しいセッションのノードである。
ステップ１１０の後には、（ａ）新しいセッションから得られた高度として新しいノード（存在する場合）の高度を定義し、（ｂ）新しいセッションの他のノードの高さ推定値を併合するステップ１２０が続く。
例えば、前のセッションが第１および第２のセッション２１および２２を含み、次いで第３のセッション２３を評価するとき、ステップ１２０は、重複ノード４２、重複ノード４１および複数の新しいノード４３を見出す。
併合は、セッション定数オフセットおよびセッション間オフセットを補償（補正）することを含むことができる。
以下のステップ１２０の例は、以下の注釈及び頭字語を用いて説明され得る。
ＡＣ ｏｆｆｓｅｔ－セッション間オフセット
ＡＯＡ－ＡＣオフセットアルゴリズム（セッション間オフセットアルゴリズムとも呼ばれる）
ＤＣ Ｏｆｆｓｅｔ－セッション定数オフセット
ＭＤＢ－マップデータベース、Ｌｅａｒｎ ａｎｄ Ｍｅｒｇｅ（学習併合）プロセスの結果を保持する：ノードごとの高度
ＤＯＡ－ＤＣオフセットアルゴリズム（セッション定数オフセットアルゴリズムとも呼ばれる）
ＳＤＢ－セッションデータベース、Ｌｅａｒｎ（学習）段階の結果として各セッションのデータを保持する
Ｎ－ＳＤＢのセッション数
ｑ－ＤＯＡの反復＃、ｑ＝１，２，．．．，Ｎ
ＯＬＮ_ｉ，ｑ －反復＃ｑの間の重複ノード、セッションＳ_ｉと残りのセッションＳ_１，Ｓ_２，…，Ｓ_ｑ（Ｓ_ｉを除く）の間の重複ノードのグループ｛Ｎ_ｊ｝
ＯＬＮ_ｉ －重複ノード、セッションＳ_ｉとＳＤＢの残りのセッションの間の重複ノードのグループ｛Ｎ_ｊ｝
Ｍ_ｉ，ｑ－ＯＬＮ_ｉ，ｑのノード数、ｊ＝１，２，．．．，Ｍ_ｉ，ｑとなるように
Ｍ_ｉ－ＯＬＮ_ｉのノード数
Ｃ_Ｎｊ －Ｎ_ｊ カウンタ、異なるセッションの数、Ｓｅｒｖｅｒ ｉｎｉｔから、ノードＮｊを含む
ＴＣ_ｉ－ 総Ｃ_ｉ ＯＬＮ_ｉ内のすべてのノードの総数
Ｍ_Ｓｋ－セッションＳ_ｋ内のノードの総数
Ｐ（Ｎ_ｊ、Ｓ_ｋ）－［Ｐ］ －ノードＮ_ｊでの最初の圧力の高さ、セッションＳ_ｋで記録される、ｋ＝１，２，．．，Ｎ、ｊ＝１，２，．．．，Ｍ_Ｓｋ
ＤＣＯＦＦ（Ｓ_ｋ）－［Ｐ］－セッションＳ_ｋ（ｋ＝１，２，．．．，Ｎ）の現在の既知のＤＣオフセット、Ｐ（Ｎ_ｊ、Ｓ_ｋ）、ｊ＝１，２，．．．，Ｍ_Ｓｋ に追加される、
ＯＬＳ_ｑ，ｊ －ＯｖｅｒＬａｐｐｉｎｇ Ｓｅｓｓｉｏｎｓ ｐｅｒ Ｎｏｄｅ ノードごとの重複セッション －ノードＮ_ｊを保持するサブグループ｛Ｓ_１、Ｓ_２、．．、Ｓ_ｑ｝
ＯＬＳｅ_ｑ，ｊ －ＯｖｅｒＬａｐｐｉｎｇ Ｓｅｓｓｉｏｎｓ Ｅｘｃｌｕｄｉｎｇ 重複セッション除外、ノードＮ_ｊを保持するサブグループ｛Ｓ_１、Ｓ_２、．．、Ｓ_ｑ｝（Ｓ_ｑ 自体を除く）
ＯＬＳ_ｉ －ＯｖｅｒＬａｐｐｉｎｇ Ｓｅｓｓｉｏｎｓ ｐｅｒ Ｓｅｓｓｉｏｎ セッションごとの重複セッション、Ｓｉにも含まれるノードＮ_ｍを少なくとも１つ保持するサブグループ｛Ｓ_１、Ｓ_２、．．、Ｓ_ｑ｝
Ｍ_ｑｊ－サブグループＯＬＳ_{ｑ， ｊ}のサイズ
Ｍｅ_ｑｊ－サブグループＯＬＳｅ_{ｑ， ｊ}のサイズ
ｄＯＦ（ＯＬＳｅ_{ｑ， ｊ}）－［Ｐ］ － ＯＬＳｅ_ｑｊ でセッションごとに追加される新しいインクリメンタルＤＣオフセット
Ｐ_ｍ（ＯＬＳ_{ｑ， ｊ}）－［Ｐ］ － ＤＣの平均－ノードＮ_ｊでのＤＣ補償圧力高さ： Ｐ（Ｎ_ｊ，Ｓ_ｋ）＋ＤＣＯＦＦ（Ｓ_ｋ），ＯＬＳ_{ｑ， ｊ} のＳ_ｋごとに対して
Ｐ_Ｎｊ－ノードＮ_ｊに割り当てられた圧力、Ｓ_１、Ｓ_２， ．．．，Ｓ_Ｎ－１のＬｅａｒｎ ａｎｄ Ｍｅｒｇｅ（学習併合）後
Ｅ_ｍｉｎ －［Ｐ］ － Ｐ_ｍ の最小変更（閾値）、セッションのＤＣＯＦＦの伝搬されたアップデートを必要とする
ＡＣＯＦＦ（Ｓ_ｋ， Ｎ_ｊ）－［Ｐ］ － Ｓ_ｋ 内の特定のノードＮ_ｊ のＤＣＯＦＦ（Ｓ_ｋ）への計算された追加オフセット
ＭＳ－修正セッション（Ｍｏｄｉｆｉｅｄ Ｓｅｓｓｉｏｎｓ）、ＤＯＡ中にＤＣＯＦＦが更新されたすべてのセッションＩＤのリスト
ＭＮ－修正ノード（Ｍｏｄｉｆｉｅｄ Ｎｏｄｅｓ）、ＤＯＡ中にＰ_Ｎｊ が更新されたすべてのノードＩＤ Ｎ_ｊ のリスト
セッション定数オフセット補正
このプロセスは、周囲圧力の（時間および空間における）固定された変化を克服することを目的とする。このプロセスは、学習段階の後、ＳＤＢ内のすべての新しいセッションに渡り、マップの３Ｄフレームを生成するために、それらを互いに最もよく相関させる方法を見つけようと試みることができる。
前提－学習段階後にデータを含むＮ個のセッションをＳＤＢが保持する
目標－ＤＣＯＦＦ（Ｓ_ｋ）、ｋ＝１、２， ．．．，Ｎ－互いに最適になるように、各セッションの高度に追加する必要がある差分を検索する
ステップ１２０は、セッション定数オフセット補正のステップ１３０を含むことができる。
ステップ１３０は、パラメータを設定する初期化ステップ１３２を含むことができる：
ＤＣＯＦＦ（Ｓ_ｋ）＝ ０、ｋ＝１，２，．．．，Ｎ
Ｅ_ｍｉｎ＝ ２［Ｐ］＝ ～２０［ｃｍ］
Ａｇｇ＿ｃｎｔｒ ＝ ０．
ステップ１３２の後に、ＳＤＢを反復的に進めるステップ１３４が続くことができ、各反復は新しいセッションを考慮に入れる。各反復は、以下を含んでもよい。
異なるセッションに属する重複ノードの高さ推定値を見つける。
現在評価されているセッションの高さ推定値と以前に処理されたセッションの高さ推定値との間の高さ推定誤差を計算する。
好ましくは関連付けせずに、高さ推定誤差に関連する属性を減らそうとする。これは、例えば、全体的な高さ誤差を低減することを含むことができる。
図９は、異なる高さ推定値を有する３つのセッション６１０、６２０、および６２０を示す。重複するノードには３つのペアがある。
セッション６１０のノード６１１とセッション６３０のノード６３１を含む第１のペア。
セッション６１０のノード６１２およびセッション６２０のノード６２１を含む第２のペア。
セッション６２０のノード６２２およびセッション６３０のノード６３２を含む第３のペア。
重複ノードの各ペアは同じ位置を指し、各ペアは高さ推定誤差、すなわち、第１のペアのＤ１３ ６４１、第２のペアのＤ１２ ６４２、および第３のペアＤ２３ ６４３に関連する高さ推定間の差に関連する。
ステップ１３４は、全体的な高さ誤差を低減すること、例えば、高さ誤差の合計を低減すること、高さ誤差の重み付けされた合計を低減すること、高さ誤差の二乗の合計を低減することなどを含むことができる。
すべてのセッションが新しいセッションであるか、少なくとも１つのセッションが新しいセッションであると想定される場合がある。
図９の下部は、ステップ１３４の高さ誤差補正プロセス－セッション６３０が低下し（セッションに関連するノードの高さ推定値が低下した）、セッション６２０が上昇した（セッションに関連するノードの高さ推定値が増加した）後の３つのセッションを示す。
更新された高さ誤差Ｄ１３‘ ６４１‘、Ｄ１２‘ ６４２‘、およびＤ２３‘ ６４３‘は、高さ誤差Ｄ１３ ６４１、Ｄ１２ ６４２、およびＤ２３ ６４３よりも小さい。
ステップ１３４は、ＳＤＢ内の各Ｓ_ｑ、ｑ＝１，２，．．．，Ｎの反復を含み得る。
ステップ１３４は：
Ｓ_ｑをキューに挿入
新しいセッションごとに、その最良のＤＣＯＦＦを見つけ、フレーム内の変更を伝播する－
Ｗｈｉｌｅ Ｑｕｅｕｅ ｎｏｔ ｅｍｐｔｙ
Ｓ_ｉ ＝ ｓｅｓｓｉｏｎ ｆｒｏｍ ｔｏｐ ｏｆ Ｑｕｅｕｅ
Ｆｉｎｄ ＯＬＮ_ｉｑ
Ｆｏｒ ｅａｃｈ Ｎ_ｊ ｉｎ ＯＬＮ_ｉｑ Ｃａｌｃｕｌａｔｅ ｍｅａｎ Ｐ ｏｆ Ｎ_ｊ， ｐｒｉｏｒ ｔｏ ａｄｄｉｎｇ （ｉ．ｅ． ｅｘｃｌｕｄｉｎｇ） Ｓ_ｉ： Ｐ_ｍ（ＯＬＳｅ_ｉ，ｊ） ＝ （１／Ｍｅ_ｉ，Ｊ）＊ｓｉｇｍａ（ｋ＝１， ｋ＜＝Ｍｅ_ｉ，ｊ）［Ｐ（Ｎ_ｊ， Ｓ_ｋ）＋ＤＣＯＦＦ（Ｓ_ｋ）］
Ｃａｌｃｕｌａｔｅ ｏｆｆｓｅｔ ｆｏｒ ｔｈｅ ｎｅｗ ｓｅｓｓｉｏｎ Ｓｉ， ｓｏ ｔｈａｔ ｄｅｖｉａｔｉｏｎ ｏｆ ｉｔｓ ｏｖｅｒｌａｐｐｉｎｇ ｎｏｄｅｓ Ｎ_ｊ ｆｒｏｍ ｔｈｅｉｒ Ｐ_ｍ ｗｉｌｌ ｂｅ ｅｖｅｎｌｙ ｄｉｓｔｒｉｂｕｔｅｄ （ｏｒ ｄｉｓｔｒｉｂｕｔｅｄ ｉｎ ａｎｏｔｈｅｒ ｐｒｅｄｅｆｉｎｅｄ ｍａｎｎｅｒ）： Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｉ） ＝ （１／Ｍ_ｉ）＊ｓｉｇｍａ（ｋ＝１，ｋ＜＝Ｍ_ｉ）［Ｐ_ｍ（ＯＬＳ_{ｉ－１，ｊ}）－Ｐ（Ｎ_ｊ，Ｓ_ｉ）］
Ｉｆ Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｉ） ＞ Ｅ_ｍｉｎ
ＤＣＯＦＦ（Ｓ_ｉ） ＋＝ Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｉ）
Ｐｒｏｐａｇａｔｉｏｎ： Ｃａｌｃｕｌａｔｅ ｔｈｅ ｓｍａｌｌ ｏｆｆｓｅｔ ｔｏ ｐｒｏｐａｇａｔｅ ｉｎｔｏ ｔｈｅ ｍａｐ： ｆｏｒ ｅａｃｈ Ｎ_ｊ ｉｎ ＯＬＮ_ｉ
Ｃａｌｃｕｌａｔｅ ｄＯＦ（ＯＬＳ_ｉ，ｊ） ＝ Ｐｍ（ＯＬＳ_ｉ，ｊ） － Ｐｍ（ＯＬＳ_{ｉ－１，ｊ}）．
Ｆｏｒ ｅａｃｈ Ｓ_ｑ ｉｎ ｛ＯＬＳ_ｉ，ｊ｝ ｅｘｃｌｕｄｉｎｇ Ｓ_ｉ ｕｐｄａｔｅ：
Ａｇｇ＿ＤＣＯＦＦ（Ｓ_ｑ） ＋＝ ｄＯＦ（ＯＬＳ_ｉ，ｊ）
Ａｇｇ＿ｃｎｔｒ＋＋
Ｉｆ ＡＢＳ（Ａｇｇ＿ＤＣＯＦＦ（Ｓ_ｑ）／ Ａｇｇ＿ｃｎｔｒ） ＞ Ｅ_ｍｉｎ ／／ ｉｎ ｃａｓｅ ｏｆ ｓｕｂｓｔａｎｔｉａｌ ｃｈａｎｇｅ
ＤＣＯＦＦ（Ｓ_ｑ） ＋＝ Ａｇｇ＿ＤＣＯＦＦ（Ｓ_ｑ）／ Ａｇｇ＿ｃｎｔｒ
Ｉｎｓｅｒｔ Ｓ_ｑ ｉｎｔｏ ｅｎｄ ｏｆ Ｑｕｅｕｅ
Ｅｎｄ：
Ｕｐｄａｔｅ ＤＣ－Ｏｆｆｓｅｔｓ： Ｉｎｓｅｒｔ ＤＣＯＦＦ（Ｓ_ｉ） ｉｎｔｏ ＳＤＢ， ｆｏｒ ａｌｌ ｓｅｓｓｉｏｎ Ｓ_ｉ， ｉ＝１，２，．．，Ｎ

ステップ１３０において、セッションの全てのノードは、同様の方法で上昇又は下降されてもよい。
ステップ１２０は、ステップ１４０も含むことができる。ステップ１４０は、セッション間オフセット補正を含むことができる。
ステップ１４０は、以下のような、周囲圧力の局所的な性質による変化を補償（補正）することを含むことができる：
異なる周囲圧力の場所をカバーするという意味で長すぎるセッションを選択する。
周囲圧力が変化した期間が長いセッションを選択する。
ステップ１４０は、（ａ）（ｉ）他のセッションのノードと重複し、（ｉｉ）セッション定数オフセット補正のステップ１２０の間にそれらの高さが修正された、新しいセッションの重複ノードを検索するステップ１４２と、（ｂ）新しいセッションの各重複ノードと他のセッションの重複ノードの高さが等しくなるように高さ補正を実行するステップ１４４と、（ｃ）新しいセッションの重複ノードの高さに対して行われた訂正を、セッションの他のノードに所定のエラー配分にしたがって分配するステップ１４６とを含むことができる。
図１０は、３つの重複ノードが３つの関連付け点を提供するために関連付けされた（高さ等化された）後の３つのセッションを示す。関連付けは、（セッション定数補正の後に）重複ノードのうちの１つの高さを採用すること、または少なくとも１つの更新された重複ノードの高さに基づいて関連付け点の新しい重みを計算することを含むことができる。
非限定的な仮定：
周囲圧力の変化は段階的であり、したがって、ＡＣオフセットは段階的であるべきである。
周囲圧力の所定の挙動は例えば、周囲圧力変化の統一された配分であると仮定することができる。
時間変化における各ノードの周囲圧力は、統一的に配分される。したがって、ノード当たりの値ヒストグラムを見ると、ガウスのような構造が得られる。
目標－前提 Ｓ_ｑ、ｑ＝１，２，．．．，Ｎ、ＳＤＢ内のセッション、ＤＯＡ（ＤＣ オフセットアルゴリズム）を使用して更新したＤＣＯＦＦ（Ｓ_ｑ）と共に
Ｓ_ｑ 内のノードごとにＡＣＯＦＦ（Ｓ_ｑ， Ｎ_ｊ）を検索する：
ＤＣＯＦＦ（Ｓ_ｑ）＋ ＡＣＯＦＦ（Ｓ_ｑ， Ｎ_ｉ） を適用すると、ＳＤＢ内の全重複ノードの高さが同じになる。
「ノイズ」は、所定の配分、例えばセッションに沿った均一な配分に従って配分される。
出力－ ＭＤＢ内の各ノードの高度を更新
ステップ１４０は、以下を含む。
Ｉｎｉｔ － Ｉｎｓｅｒｔ ｉｎｔｏ ＳＱｕｅｕｅ， ａｌｌ ｓｅｓｓｉｏｎｓ Ｓｑ， ｔｈａｔ ｔｈｅｉｒ ＤＣＯＦＦ（Ｓｑ） ｈａｓ ｃｈａｎｇｅｄ

／／ ｓｔａｇｅ＃１ “Ｗｅｌｄｉｎｇ”： ｃａｌｃｕｌａｔｅ ｈｅｉｇｈｔ ｏｆ ＯＬＮ ｉｎ ＭＤＢ， ａｎｄ ｃｏｌｌｅｃｔ ｕｐｄａｔｅｄ ｎｏｄｅｓ ｉｎ ＮＱｕｅｕｅ
ｆｏｒ ｅａｃｈ Ｓｉ ｉｎ ＳＱｕｅｕｅ：
－Ｆｏｒ ｅａｃｈ Ｎｊ ｉｎ ＯＬＮｉ ａｎｄ ｎｏｔ ｉｎ ＮＱｕｅｕｅ
Ｃａｌｃｕｌａｔｅ Ｐｍ（Ｎｊ） ＝ （１／Ｍｉ）＊ｓｉｇｍａ（ｋ＝１， ｋ＜＝Ｍｉ）［Ｐ（Ｎｊ，Ｓｋ） ＋ ＤＣＯＦＦ（Ｓｋ）］
Ｕｐｄａｔｅ Ｐｍ（Ｎｊ） ｉｎ ＭＤＢ， ａｓ ｔｈｅ ｅｌｅｖａｔｉｏｎ ｆｏｒ Ｎｊ
Ｉｎｓｅｒｔ Ｎｊ ｉｎｔｏ ＮＱｕｅｕｅ
／／ ｓｔａｇｅ＃２ “Ｓｍｏｏｔｈｉｎｇ”： ｆｉｎｅ ｔｕｎｅ ｎｏｄｅｓ ｈｅｉｇｈｔ ａｄｊａｃｅｎｔ ｔｏ “ｗｅｌｄｅｄ” ｎｏｄｅｓ ｆｒｏｍ ｓｔａｇｅ＃１ ／／ ステージ＃２「平滑化」：ステージ＃１からの「関連付け」ノードに隣接するノード高さを微調整する。
ｗｈｉｌｅ ＮＱｕｅｕｅ ｎｏｔ ｅｍｐｔｙ：
Ｔａｋｅ Ｎ_ｊ ｆｒｏｍ ｔｏｐ ｏｆ ＮＱｕｅｕｅ
Ｆｏｒ ｅａｃｈ Ｓ_ｋ ｉｎ ＯＬＳ_ｉｊ
Ｆｉｎｄ ａｎ ａｄｊａｃｅｎｔ ＯＬＮ ｏｎ Ｓ_ｋ， ｃｌｏｓｅｓｔ ｔｏ Ｎ_ｊ． Ｄｅｎｏｔｅｄ ｂｙ： ｛Ｎ_Ａ ^ｊｋ｝
Ｆｏｒ ｅａｃｈ Ｎ_ａ ｉｎ ｛Ｎ_Ａ ^ｊｋ｝
Ｃａｌｃｕｌａｔｅ ＡＣＯＦＦ_１ ＝ Ｐ（Ｓ_ｋ，Ｎ_ａ） ＋ ＤＣＯＦＦ（Ｓ_ｋ） － Ｐ_ｍ（Ｎ_ａ）
Ｃａｌｃｕｌａｔｅ ＡＣＯＦＦ_２ ＝ Ｐ（Ｓ_ｋ，Ｎ_ｊ） ＋ ＤＣＯＦＦ（Ｓ_ｋ） － Ｐ_ｍ（Ｎ_ｊ）
Ｇｏ ｏｖｅｒ ａｌｌ ｎｏｄｅｓ Ｎ_ｚ ｏｎ Ｓ_ｋ， ｌｏｃａｔｅｄ ｂｅｔｗｅｅｎ Ｎ_ａ ａｎｄ Ｎ_ｊ， ａｎｄ ｒｅｆｉｎｅ ｔｈｅｉｒ ｅｌｅｖａｔｉｏｎ Ｐ（Ｓ_ｋ， Ｎ_ｚ） ｔｏ ｂｅ ｌｉｎｅａｒｌｙ ｄｉｓｔｒｉｂｕｔｅｄ （ｏｒ ａｃｃｏｒｄｉｎｇ ｔｏ ａｎｏｔｈｅｒ ｐｒｅｄｅｆｉｎｅｄ ｄｉｓｔｒｉｂｕｔｉｏｎ） ｂｅｔｗｅｅｎ ＡＣＯＦＦ_１ ａｎｄ ＡＣＯＦＦ_２
Ｕｐｄａｔｅ ｅｌｅｖａｔｉｏｎ ｏｆ Ｎ_ｚ ｉｎ ＭＤＢ

図６は、本発明の一実施形態による方法２００‘を示す。
方法２００‘は、高さ推定プロセスである。
方法２００‘は、前のセッションの各ノードの高さまたは高さ補正パラメータを再計算しないので、方法１００より効率的である。
方法２００‘は、以下のＭＤＢフィールドを含むがこれらに限定されない、方法１００によって使用されなかった１つまたは複数のデータベースまたはフィールドに依拠することができる。
ＭＷ＿ＮＯＤＥＳ － ｎｅｗ ｆｉｅｌｄ Ｐ＿ＣＯＵＮＴ ｉｎｔｅｇｅｒ － ｈｏｌｄｓ Ｃ_Ｎｊ， ｔｏｔａｌ ｎｕｍｂｅｒ ｏｆ ｔｉｍｅｓ ｗｅ ｇｏｔ ｐｒｅｓｓｕｒｅ ｖａｌｕｅ ｆｏｒ Ｎｏｄｅ Ｎ_ｊ － ｉｎｉｔ ｔｏ ０．
ＭＷ＿ＮＯＤＥＳ － ｒｅｐｌａｃｅ ｆｉｅｌｄ ＥＬＥＶＡＴＩＯＮ ｗｉｔｈ ｆｉｅｌｄ ＰＲＥＳＳＵＲＥ － ｈｏｌｄｓ Ｐ_Ｎｊ － ａｖｅｒａｇｅ ｐｒｅｓｓｕｒｅ ｈｅｉｇｈｔ （ｉｎｓｔｅａｄ ｏｆ ｅｌｅｖａｔｉｏｎ）， ｉｎｉｔ ｔｏ ＮｏｔＡｖａｉｌａｂｌｅ．
ＳＱＬ ｆｏｒｍｕｌａ／ｖｉｅｗ： ｃｏｎｖｅｒｔ ＰＲＥＳＳＵＲＥ ｔｏ ＥＬＥＶＡＴＩＯＮ ｕｓｉｎｇ ｔｈｅ ｓｔａｎｄａｒｄ ｆｏｒｍｕｌａ， ｗｈｅｒｅ ａｍｂｉｅｎｔ ｐｒｅｓｓｕｒｅ ＝ １０１３００［Ｐａｓｃａｌ］ （ｓｔａｎｄａｒｄ ｐｒｅｓｓｕｒｅ）
方法２００‘は、新しいセッションおよび前のセッションに関連するデータの併合の前に実行するために、高度（高さ）学習段階の一部として、圧力前処理雑音低減アルゴリズムを定義するための高度（高さ）学習修正を含むことができる。
以前のすべてのセッションに関連する圧力を読み、新しいセッションと以前のセッションの間で加重平均を生成する代わりに、方法２００‘ は、最後の平均Ｐ_ＮｊとそのカウンタＣ_Ｎｊを保存する。Ｎｊはｊ番目の重複ノードである。Ｃｎｊ－重複しているノードに関連付けられているセッションの数。
方法１００では、ＤＯＡは最初からすべてのセッションにわたって実行され、これに続いてノードＮで高度を得るためにＡＯＡが実行される。一方、方法２００‘は、本質的によりインクルメンタルに行われるかもしれない。新しいセッションＳｉとすると、この方法は、以前のセッションに関する統計を使用する。例えば、Ｐ（Ｎ_ｊ、Ｓ_ｑ）＋ＤＣＯＦＦ（Ｓ_ｑ）の代わりにＭＷ＿ＮＯＤＥＳからのＰ_Ｎｊなどである。このようにして、ＡＯＡ結果も考慮に入れる。
方法２００‘では、関連付け段階（Ｐ_Ｎｊの加重平均）がＡＯＡではなくＤＯＡで行われる
方法２００‘ には、Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｉ） の計算を含めることができ、－ 各Ｎ_ｊの異なるＣ_Ｎｊ に従って重み付けする必要がある。Ｎ_ｊはＳ_ｉの重複ノードである。
方法２００‘は、ＤＣＯＦＦがＤＯＡ段階中に更新されたセッションのＩＤを保持する、Ｍｏｄｉｆｉｅｄ Ｓｅｓｓｉｏｎｓ（ＭＳ）（修正セッション）と呼ばれる新しいリストを使用することを含むことができる。これはＡＯＡ段階で使用される。
方法２００‘は、ＤＯＡ段階の間にＰ_Ｎｊが更新されたノードのＩＤを保持する修正ノード（ＭＮ）と呼ばれる新しいリストを追加することを含むことができる。これはＡＯＡ段階で使用される。
方法２００‘は、初期化ステップ２１０‘に続くステップ２２０‘を含み、（そのようなものが存在する場合）新しいセッションから得られる高度のような新しいノードの高度を定義し、（ｂ）新しいセッションの他のノードの高さの推定を統合する。
ステップ２２０‘は、セッション定数オフセット補正のステップ２４０‘を含むことができる。
ステップ２４０‘は、各セッション中に（２３２‘）を使用すること、前のセッションに関連する統計、および新しいセッションに関連する情報を含むことができる。特に、－ステップ２４０‘は、新しいセッションＳ_ｉのためのオフセット更新の計算を含み、それらのＣ_Ｎｊによって加重された、それらのＰ_Ｎｊからのその重複ノードＮ_ｊの偏差が、均等に配分する（または別の方法で配分する）ようにすることができる。
想定ステータス：
ＳＤＢは、高度（高さ）学習および高度（高さ）併合段階（ＤＯＡおよびＡＯＡの両方）の後にデータを持つＮ－１ セッションを保持する。
以前にアクセスした各ノードＮ_ｊ ごとのＰ_Ｎｊと Ｃ_Ｎｊ 値は、ＭＤＢで更新される。
セッションＳ_Ｎは、高度（高さ）学習段階（ノードへのノイズ低減と圧力）を通過した。
前提－高度（高さ）学習段階の後の新しいセッションＳ_Ｎ
目標
ＤＣＯＦＦ（Ｓ_ｋ）、ｋ＝１、２， ．．．，Ｎ－直前の各セッションの高度に追加する必要があるＤＣオフセットをアップデートし、互いに最適になるようにする
影響を受けるノードＮ_ｊごとにＰ_ＮｊとＣ_Ｎｊ を更新－ 「関連付け」
ステップ２４０‘は、以下を含む。
Ｉｎｉｔ：
Ｓｅｔ ｄｅｆａｕｌｔ ＤＣＯＦＦ ｆｏｒ ｔｈｅ ｎｅｗ ｓｅｓｓｉｏｎ － ＤＣＯＦＦ（Ｓ_Ｎ） ＝ ０
Ｓｅｔ ｐｒｏｐａｇａｔｉｏｎ ｔｈｒｅｓｈｏｌｄ： Ｅ_ｍｉｎ ＝ ２［Ｐａｓｃａｌ］ ＝ ～１７［ｃｍ］
Ｓｔａｒｔ ｗｉｔｈ ｅｍｐｔｙ Ｍｏｄｉｆｉｅｄ Ｓｅｓｓｉｏｎ ａｎｄ Ｍｏｄｉｆｉｅｄ Ｎｏｄｅｓ ｌｉｓｔ： ＮＭ ａｎｄ ＭＳ ＝ ｛｝
Ｓｔａｒｔ ｗｉｔｈ ｐｒｏｃｅｓｓｉｎｇ ｔｈｅ ｎｅｗ ｓｅｓｓｉｏｎ：
Ｉｎｓｅｒｔ Ｓ_Ｎ ｉｎｔｏ Ｑｕｅｕｅ
Ｐｒｏｃｅｓｓ ａｌｌ ｍｏｄｉｆｉｅｄ ｓｅｓｓｉｏｎｓ， ｕｎｔｉｌ ｎｏｔｈｉｎｇ ｔｏ ｐｒｏｐａｇａｔｅ
Ｗｈｉｌｅ Ｑｕｅｕｅ ｎｏｔ ｅｍｐｔｙ
Ｇｅｔ ｔｈｅ ｎｅｘｔ ｓｅｓｓｉｏｎ ｔｏ ｐｒｏｃｅｓｓ： Ｓ_ｉ ＝ ｔｏｐ ｏｆ Ｑｕｅｕｅ
Ｉｎｄｉｃａｔｅ ｆｏｒ ＡＯＡ ｔｈａｔ Ｓ_ｉ ｗａｓ ｍｏｄｉｆｉｅｄ － Ａｄｄ Ｓ_ｉ ｔｏ ＭＳ ｌｉｓｔ
Ｆｉｎｄ ｔｈｅ ｇｒｏｕｐ ｏｆ ｎｏｄｅｓ ｛Ｎ_ｊ｝ ｔｈａｔ ｅｘｉｓｔ ｉｎ Ｓ_ｉ ａｎｄ ｉｎ ｓｏｍｅ ｏｔｈｅｒ Ｓｅｓｓｉｏｎ ｉｎ ＳＤＢ － Ｇｅｔ ＯＬＮ_ｉ
Ａｓｓｉｇｎ － Ｍ_ｉ ＝ ｓｉｚｅｏｆ（ＯＬＮ_ｉ）
Ｒｅｔｒｉｅｖｅ ｌａｓｔ ｓｅｔ Ｐｒｅｓｓｕｒｅ ａｎｄ Ｃｏｕｎｔｅｒｓ ｆｒｏｍ ＭＤＢ：
Ｆｏｒ ｅａｃｈ Ｎ_ｊ ｉｎ ＯＬＮ_Ｓｉ － Ｇｅｔ Ｐ_Ｎｊ ａｎｄ Ｃ_Ｎｊ ｆｒｏｍ ＭＷ＿ＮＯＤＥＳ
Ｃａｌｃｕｌａｔｅ ｔｏｔａｌ ｃｏｕｎｔ ｏｆ Ｎｏｄｅｓ ｉｎ ＯＬＮ_ｉ ＴＣ_ｉ ＝ ｓｉｇｍａ（ｊ ＝ １， ｊ ＜＝ Ｍ_ｉ）［Ｃ_Ｎｊ］
Ｃａｌｃｕｌａｔｅ ｏｆｆｓｅｔ ｕｐｄａｔｅ ｆｏｒ ｓｅｓｓｉｏｎ Ｓ_ｉ， ｓｏ ｔｈａｔ ｄｅｖｉａｔｉｏｎ ｏｆ ｉｔｓ ｏｖｅｒｌａｐｐｉｎｇ ｎｏｄｅｓ Ｎ_ｊ ｆｒｏｍ ｔｈｅｉｒ Ｐ_Ｎｊ， ｗｅｉｇｈｔｅｄ ｂｙ ｔｈｅｉｒ Ｃ_Ｎｊ， ｗｉｌｌ ｂｅ ｅｖｅｎｌｙ ｄｉｓｔｒｉｂｕｔｅｄ：
Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｉ） ＝
＝ （１ ／ ＴＣ_ｉ） ＊ ｓｉｇｍａ（ｊ ＝ １， ｊ ＜＝ Ｍ_ｉ）［Ｃ_Ｎｊ ＊ （Ｐ_Ｎｊ － （Ｐ（Ｎ_ｊ，Ｓ_ｉ） ＋ ＤＣＯＦＦ（Ｓ_ｉ）））］
＝ （１ ／ ＴＣ_ｉ） ＊ ｓｉｇｍａ（ｊ ＝ １， ｊ ＜＝ Ｍ_ｉ）［Ｃ_Ｎｊ ＊ （Ｐ_Ｎｊ － Ｐ（Ｎ_ｊ，Ｓ_ｉ））］ － ＤＣＯＦＦ（Ｓ_ｉ）
Ｃｈｅｃｋ ｉｆ ｃｈａｎｇｅ ｉｓ ｓｕｂｓｔａｎｔｉａｌ － ｉｆ Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｉ） ＞ Ｅ_ｍｉｎ
ｕｐｄａｔｅ ｏｆｆｓｅｔ ｏｆ ｃｕｒｒｅｎｔ ｐｒｏｃｅｓｓｅｄ ｓｅｓｓｉｏｎ ＤＣＯＦＦ（Ｓ_ｉ） ＋＝ Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｉ）
ｕｐｄａｔｅ ＭＤＢ ｐｒｅｓｓｕｒｅｓ ｆｏｒ Ｎｏｄｅｓ ｉｎ ＯＬＮ_ｉ － ｗｅｉｇｈｔｅｄ ａｖｅｒａｇｅ ｗｉｔｈ ｔｈｅ ｎｅｗ ｖａｌｕｅ ｏｆ Ｓ_ｉ － “ｗｅｌｄｉｎｇ” － ｆｏｒ ｅａｃｈ Ｎ_ｊ ｉｎ ＯＬＮ_Ｓｉ
Ｐ_Ｎｊ ＝ （Ｐ（Ｎ_ｊ，Ｓ_ｉ） ＋ ＤＣＯＦＦ（Ｓ_ｉ） ＋ Ｃ_Ｎｊ ＊ Ｐ_Ｎｊ） ／ （１ ＋ Ｃ_Ｎｊ）
Ａｄｄ Ｎｏｄｅ ＩＤ ｔｏ Ｍｏｄｉｆｉｅｄ Ｎｏｄｅｓ ｌｉｓｔ － Ａｄｄ Ｎ_ｊ ｔｏ ＭＮ ｌｉｓｔ
Ｆｉｎｄ ｔｈｅ ｓｅｓｓｉｏｎｓ ｔｈａｔ ｍｉｇｈｔ ｂｅ ａｆｆｅｃｔｅｄ ｄｕｅ ｔｏ Ｐ_Ｎｊ ｃｈａｎｇｅ － Ｇｅｔ ＯＬＳ_ｉ
Ｐｒｏｐａｇａｔｉｏｎ － Ｇｏ ｏｖｅｒ ｔｈｅ Ｓｅｓｓｉｏｎｓ ｗｉｔｈ ｐｏｔｅｎｔｉａｌ ｔｏ ｃｈａｎｇｅ：
Ｆｏｒ ｅａｃｈ Ｓ_ｋ ｉｎ ＯＬＳ_ｉ：
Ｆｉｎｄ ｔｈｅ ｇｒｏｕｐ ｏｆ ｎｏｄｅｓ ｛Ｎ_ｊ｝， ｃｏｍｍｏｎ ｔｏ Ｓ_ｋ ａｎｄ Ｓ_ｉ －Ｇｅｔ ＯＬＮ_{Ｓｋ，Ｓｉ}
Ａｓｓｉｇｎ： Ｍ_ｋ，ｉ ＝ ｓｉｚｅｏｆ（ＯＬＮ_{Ｓｋ，Ｓｉ}）
Ｃａｌｃｕｌａｔｅ ｔｏｔａｌ ｃｏｕｎｔ ｏｆ ｔｈｅ ｇｒｏｕｐ ＯＬＮ_{Ｓｋ，Ｓｉ}－－ ＴＣ_ｋ，ｉ ＝ ｓｉｇｍａ（ｊ ＝ １， ｊ ＜＝ Ｍ_ｋ，ｉ）［Ｃ_Ｎｊ］
Ｃａｌｃｕｌａｔｅ ｔｈｅ ｃｏｍｂｉｎｅｄ ｏｆｆｓｅｔ ｃｈａｎｇｅ ｆｏｒ Ｓ_ｋ：
Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｋ） ＝
＝ （１ ／ ＴＣ_ｋ，ｉ） ＊ ｓｉｇｍａ（ｊ ＝ １， ｊ ＜＝ Ｍ_ｋ，ｉ）［Ｃ_Ｎｊ ＊ （Ｐ_Ｎｊ － （Ｐ（Ｎ_ｊ，Ｓ_ｋ） ＋ ＤＣＯＦＦ（Ｓ_ｋ）））］ ＝ （１ ／ ＴＣ_ｋ，ｉ） ＊ ｓｉｇｍａ（ｊ ＝ １， ｊ ＜＝ Ｍ_ｋ，ｉ）［Ｃ_Ｎｊ ＊ （Ｐ_Ｎｊ － Ｐ（Ｎ_ｊ，Ｓ_ｋ））］ － ＤＣＯＦＦ（Ｓ_ｋ）
Ｃｈｅｃｋ ｉｆ ｔｈｉｓ ｉｓ ａ ｓｕｂｓｔａｎｔｉａｌ ｃｈａｎｇｅ ｔｏ ＤＣＯＦＦ（Ｓ_ｋ）：
Ｉｆ （ＡＢＳ （Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｋ）） ＞ Ｅ_ｍｉｎ） Ｕｐｄａｔｅ ｔｈｅ ＤＣＯＦＦ：
ＤＣＯＦＦ（Ｓ_ｋ） ＋＝ Ｄｅｌｔａ＿ＤＣＯＦＦ（Ｓ_ｋ）
Ａｄｄ Ｓｋ ｔｏ ｑｕｅｕｅ ｔｏ ｃｈｅｃｋ ｆｏｒ ｆｕｒｔｈｕｒ ｐｒｏｐａｇａｔｉｏｎ － Ｉｎｓｅｒｔ Ｓ_ｋ ｉｎｔｏ ｅｎｄ ｏｆ Ｑｕｅｕｅ
Ｅｎｄ：
上記の変更に従って、ＳＤＢおよびＭＤＢが更新されていることを確認する。
ＭＳとＭＮを次のステージに送る－ＡＯＡ
ステップ２４０‘は、ステップ２４０を含むこともできる。ステップ２４０は、セッション間オフセット補正を含むことができる。
ＡＣオフセットアルゴリズム
ＡＣオフセットアルゴリズム（ＡＯＡ）は、高度（気圧）を学習するために使用する信号を歪ませたり歪ませたりした可能性のある、時間と空間にわたる局所的な騒音と環境空気圧の変化を扱う。理念は、ＤＯＡがその仕事を終えた後、重複セッションの圧力が平準化されるべきであり、いかなるミスも上記の理由（時間および空間にわたる局所的なノイズおよびスキュー）の結果であるべきであるということである。
雑音は、道路網内に「特異である」点が存在し得ないという仮定の下で問題にアプローチするヒューリスティックアプローチを適用することによって低減またはキャンセルされ、これは単一のノード（または複数のノード）がその隣接ノードに関して非常に大きな勾配を有することが不可能であることを意味する（すなわち、その高度がその隣接ノードのとは著しく異なることを意味する）。
発見的問題解決法（ヒューリスティック）で、「関連付け点」（すなわち、異なるセッションにわたって共有され、したがって平均圧力値を有するノード）を検査し、関連付け前に道路が有していた形状を維持しようと試みる。このアプローチを理解するための例を見てみよう：
表記
Ｓ_ｉ － セッションｉ
Ｎ_ｊ － ノードｊ
Ｐ_Ｎｊ － ノードの最終圧力Ｎ_ｊ

－ ＤＯＡ後のノードＮ_ｊ の平均圧力（非関連付け点については、その元の圧力＋ ＤＣオフセット）
Ｐ_ＮｊＳｋ － セッションＳ_ｋにおけるノードＮ_ｊ の圧力（ＤＣオフセットを無視）
Δ_ｊｋ － ノードＪとノードＫとの間の圧力差の変化（事実上、ノード間の勾配変化）

－ ノードＮ_ｊ とＮ_ｋ の間のすべてのセッションにわたる平均圧力差は、両方ともに現れる。
Ｅ_ｊｋ － ノードＮ_ｊ からノードＮ_ｋ への有向エッジ
｜Ｅ_ｊｋ｜ － エッジＥ_ｊｋ を通ってノードＮ_ｋ に移動する累積コスト
ｄ_{Ｎｊ，Ｎｋ} － Ｎ_ｊ からＮ_ｋ までの運転距離
Ｄ_ｅｒｒ － 誤差因子（関連付け誤差がどれだけ広がるべきかを定義する、デフォルト： １ｍ／１ｋｍ）
入力
｛Ｗｅｌｄｉｎｇ Ｐｏｉｎｔｓ｝ － ＤＯＡによって作成された関連付け点のノードｉｄの集合
｛Ｎｏｄｅｓ｝ － ノードデータをそのＩｄにマッピングするハッシュ。
Ｇｒａｐｈ － その周囲に「十分である」半径を有するすべての関連付け点を含むグラフであり、グラフ内の各頂点は道路ネットワーク内のノードを表し、各エッジは、その長さ（ｄ_ｊｋ）および平均圧力差（

）を有する道路区間を表す。グラフは、最大高さ誤差が関連付け点（気象条件における最大差の下で）および伝播される最小誤差に関連すると仮定して構築されてもよい。
Ａｌｌｏｗｅｄ＿Ｅｒｒｏｒ － 各ノードが単一の関連付け点から吸収することを可能にする誤差（百分率で与えられる）出力
｛Ｄｉｒｔｙ Ｎｏｔｅｓ｝ － アルゴリズムによって更新されたすべてのノードの集合
データ構造
Ｇｒａｐｈ － 入力として与えられると、グラフは、各関連付け点から道路網を横切ることを容易にする。グラフには、各エッジのｄ_ｊｋと

を格納していることに注意されたい。
｛Ｔｒａｖｅｒｓａｌ Ｆｒｏｎｔ｝ － 現在の横断点（「波面（ｗａｖｅ ｆｒｏｎｔ）」）を記憶するために使用されるＤＳ
説明

【数5】

【数6】

【数7】

【数8】

データベース
ＡＯＡのデータを取得する
ＡＯＡを実行するためには、３つのデータ構造を事前に構築する必要がある：
｛Ｗｅｌｄｉｎｇ Ｐｏｉｎｔｓ｝セット、ｍｗ＿ｅｌｅｖａｔｉｏｎ＿ｗｅｌｄｉｎｇｓテーブルから読み取られる。
｛Ｎｏｄｅｓ｝マップ、ｍｗ＿ｅｌｅｖａｔｉｏｎ＿ｗｅｌｄｉｎｇｓテーブルとｍｗ＿ｎｏｄｅｓテーブルから読み取られたデータで構成される。
Ｇｒａｐｈ － ｍｗ＿ｔｏｐｏｌｏｇｙテーブル（エッジと距離）、およびｍｗ＿ｓｌｏｐｅｓテーブル（ノード間の平均圧力差）からデータを読み取る特別なスネーククエリによって作成される。
データの永続

【数9】

高度層関連付け
図７は、方法４００‘を示す。方法４００‘は、高度層関連付けを含む。方法４００‘は、方法１００および２００‘のいずれか一方に取って代わってもよく、および／または方法１００および２００‘のいずれか一方に含まれてもよい。
方法４００‘は、ステップ４１０‘およびステップ４２０‘を含むことができる。
ステップ４１０‘は、重複ノードに関連する圧力値を計算することを含む。
このステップでは、ＤＯＡ後圧力のすべてが計算される（すなわち、ＤＣステージで移動したセッションによってタッチされたすべてのノードの圧力）。なお、このステップは、容易に並列化することができる。
入力
ノードのセッションへのマッピング－ 各ノードＮｊ∈｛ＯＬＮ｝のそれを通過するセッションの集合にマッピングする。たとえば、
Ｎ_ｏ － ｛Ｓ_ｌ， Ｓ_ｍ．．．Ｓ_ｎ｝
Ｎ_ｊ＋１ － ｛Ｓ_ｘ， Ｓ_ｙ．．．Ｓ_ｚ｝
Ｕｐｄａｔｅｄ Ｓｅｓｓｉｏｎｓ －ＤＯＡないで移動したすべてのセッション
外れ値カットオフ幅（Ｃ_ｍａｘ）
出力
ハッシュ：｛ｎｏｄｅ＿ｉｄ ＝＞ ｎｏｄｅ｝
ステップ４２０‘は、重複ノードを含むセッションの数を計算し、十分なセッションがある場合、重複ノード圧力値統計を計算し、異常値を除去することを含むことができる。空のノードハッシュの作成： ｛Ｄｉｒｔｙ Ｎｏｄｅｓ｝

【数10】

ステップ４２０‘は、永続的な統合結果を含む。
関連付け点は、ＡＯＡが一旦実行されるとそれらを読み取ることができるように、保存されるべきである。
入力：
｛Ｄｉｒｔｙ Ｎｏｄｅｓ｝－ノードオブジェクトへのノードＩＤ間のマッピング、変更されたノードを含む。
プロセス：
ノードＮｊ∈｛ Ｄｉｒｔｙ Ｎｏｄｅｓ ｝ごとに
ｍｗ＿ｅｌｅｖａｔｉｏｎ＿ｗｅｌｄｉｎｇｓテーブルにＮ_ｊついての次の情報を保存（ｕｐｓｅｒｔ）する：
関連付け情報：
関連付け圧力
関連付け標準偏差
関連付け回数
関連付けポイント：真（Ｎ_ｊが関連付け点の場合）
一般情報：
平均圧力
標準偏差（外れ値を含む）
カウント（異常値を含む）
高度検証
上述の方法のうちの１つまたは複数は、１つまたは複数のアルゴリズムの結果を、調査車両を使用して、可変ピッチで、特定の経路に沿って行われた測定から得られた詳細な高度（標高）情報と比較することによって検証された。
定義と仮定
フィルタ：
ＭＷ Ｓｅｒｖｅｒで定義されたノードの傾きと傾きを比較する
ＬＰＦを使用して、入力高度から勾配を生成する
ノード位置の周りのサイズ６０［ｍ］のウィンドウの線形外挿、隣接ノードのＭＷ高度値のためのもの、および正確な高度測定のための第２のものは、勾配を比較するための２つの勾配をもたらす
仮定：
誤差は、元の傾きパーセンテージと、同じポイントで測定されたＭＷの傾きパーセンテージとの差として定義される。したがって、エラー単位は［％］である。
誤差の分布はガウス分布である。これは、同じ場所で大量のセッションを併合する場合である。
測定誤差：
標準偏差（Ｓｉｇｍａ－１）－ 結果の７０％がそれより良好である勾配誤差値［％］
Ｓｉｇｍａ－２－勾配エラー値［％］ 結果の９５％ がそれよりも優れている
データ収束を実証するために、以下の集合について上記を測定する：
パスに沿った単一セッション（ランダムに選択）
パスに沿った４セッション（ランダムに選択）
パスに沿った１０セッション（ランダムに選択）
我々は、１０セッションの結果がビッグデータ数に十分近いと仮定する。
ノイズキャンセリング／リダクションを実証するために、上記を測定する：
ノイズキャンセル／リダクション前
ノイズキャンセリング／リダクション後
図８は、道路区間の２つのシーケンスに関連する高さ測定値と、関連付け誤差とを示す。
重複ノード４１は、道路区間１１、１５、１６、１７、１８のシーケンスと、道路区間１２、１３、１４のシーケンスとによって共有される。
曲線５１１‘は、道路区間１１、１５、１６、１７及び１８のシーケンスについて得られた高さ測定値を示す。
曲線５１２‘は、道路区間１２、１３、１４のシーケンスについて得られた高さ測定値を示している。
曲線５１１‘における重複ノード４１の高さは、Ｈ１１ ５０１‘で示される。
曲線５１２‘における重複ノード４１の高さは、Ｈ１２ ５０２‘で示される。
曲線５１１‘および５１２‘における重複ノード４１の高さの間に関連付け誤差ＷＥ ５３１‘があり、したがって、両方の曲線における重複ノード４０２の高さが修正されるべきであり、それによって、両方の曲線５１１‘および５１２‘の高さ測定値全体が修正される。関連付け誤差は、種々のノード間で伝播され、それによって、曲線５１１‘および５１２‘は上向きおよび／または下向きに移動されるだけでなく、それらの形状は関連付け誤差の伝播に応じて修正されてもよく、または関連付け誤差が関連付け誤差を生成した重複ノードと更新されたノードとの間の距離の関数としてノードに適用されるかどうかに応じて修正されてもよい。
図９は、本発明の一実施形態による方法７００を示す。
方法７００は、複数の気圧計測定値を提供するために、内部車両圧力を受信または測定するステップ７１０によって開始することができる。測定は、車両の気圧計によって、および車両が道路区間を通過する間の所与のドライブセッション中に実行される。
ステップ７１０の後に、複数の補償（補正）された気圧計測定値を提供するために、コンピュータによって、気圧計に影響を及ぼす車両状態を補償（補正）するステップ７２０が続くことができる。
ステップ７２０は、以下のうちの少なくとも１つを含むことができる：
気圧計および気圧計とは異なる少なくとも１つの他の車両センサによって提供される情報に基づいて、気圧計に影響を及ぼす車両状態のための補償（補正）を行う。少なくとも１つの他の車両センサは、加速度計であってもなくてもよい。
気圧計測定値のローパスフィルタリングを実行する。
気圧計測定値の少なくともいくつかを無視することを決定する。
気圧計測定値の少なくともいくつかを無視することを決定する。
２つの地点に関連する気圧計測定値によって反映されるように、２つの地点の間に広がる道路部分の勾配が最大勾配閾値を超えるときに、気圧計測定値のうちの少なくともいくつかを無視することを決定する。
少なくとも１つの気圧計測定値の値に気圧計影響事象の効果を計算する。
気圧計の測定が行われたときに、車両の加速度および／または加速度に応答して補償（補正）を実行する。
非常にノイズの多い、および／または気圧計影響事象によって強く影響される、および／または別に不合理な勾配（道路の勾配に反する勾配、例えば、９０度、約７０度に近い勾配など）を示すと疑われる気圧計測定値を無視すると、高さ推定値の精度が劇的に向上することが分かっている。道路区間に関連する気圧計測定値の拒絶は、同じ道路区間に関連する他の気圧計測定値を、別の時点で、および／または別の車両などから受信するのを待つことによって補償（補正）することができる。数時間、数日、数週間などにわたる複数の気圧計測定にわたる方法７００の実行は、欠落データを埋める。
ステップ７２０の後に、複数の補償された気圧計測定値を提供するために、コンピュータによって、気圧計に影響を及ぼす車両状態を補償するステップ７３０が続くことができる。
ステップ７３０はのうちの少なくとも１つを含むことができる：
重複ノードの検索、各重複ノードは同じ場所に対応し、複数のセッションに属する。
同じ重複ノードに関連する異なるセッションの高さ推定値を実質的に等しくするための関連付けプロセスを実行する。
関連付けプロセス中に導入された重複ノードの高さ推定値の変化に基づいて、重複していないノードの高さ推定値を変化させる。
予め定義された高さ調整分布に従ってセッションに沿って高さ調整を分配することによって、重なり合わないノードの高さ推定値を変更する。所定の高さ調整分布は、任意の分布、均等または不均等な分布高さ調整分布とすることができる。
重複ノードを関連付けすることなく、重複ノード間の高さの差を低減することによって、セッション定数オフセット補正を実行する。
関連付けプロセスを適用することによってセッション間オフセット補正を実行する。
重複ノードに関連する高さ推定値の統計値を計算し、統計値に基づいて１つまたは複数の高さ推定値を拒絶する。
この方法は、複数の補償された気圧計測定値を、車両の外側に位置するコンピュータ化されたシステムに送信するステップを含むことができ、併合は、コンピュータ化されたシステムによって実行される。
併合の少なくとも一部は、車両のコンピュータによって実行される。
方法７００は、非常に正確であり、車両に既に設置されている単純な不正確な気圧計を使用する。方法７００は、道路区間当たりの気圧測定値がわずかしか収集されなかった場合でも、正確な高さ推定を提供する。
約１パーセントの精度（経路区間の高さに関連する１パーセントまでの高さ誤差）は、経路区間を３回通過するときに得られた有効な（拒絶されない）気圧計測定値を処理するときに達成された。
約０．５パーセントの精度は、経路区間を７回通過するときに得られた有効な（拒絶されていない）気圧計測定値を処理するときに達成された。
約０．３パーセントの精度は、経路区間を１５回通過するときに得られた有効な（拒絶されてない）気圧計測定値を処理するときに達成された。
これらの精度は、英国のＯｘｆｏｒｄ Ｔｅｃｈｎｉｃａｌ Ｓｏｌｕｔｉｏｎｓ Ｌｔｄ．のＲＴ３０００のような高価な専用装置を使用した場合に得られる高さ測定精度に匹敵する。
物理事象の測定
図１２は、複数の道路区間に関連する物理事象を測定するための方法１０‘の一例を示す。
方法１０‘は、車両に設置された様々な構成要素、システム、またはユニットによって実行されてもよい。
方法１０‘は、第１の車両センサによって第１のパラメータセットを測定するステップ２０‘から開始することができる。測定は、車両が複数の道路区間を走行している間に行われる。
測定は、連続的または非連続的な方法で実行されてもよい。この測定は、道路区間ごとに複数の時点（複数の位置の使用）で実行することができる。
したがって、第１のパラメータセットは、複数の道路区間の道路区間当たりの複数の位置について測定されてもよい。
測定は、毎秒１０回、さらには１００回の測定を超える速度で実行されてもよい。例えば、車輪速度は、任意の速度、特に少なくとも１００ヘルツの速度で検出することができる。任意の他のレートを使用することができる。３軸加速度計は、任意の速度で、特に少なくとも１００ヘルツの速度で読み取ることができる。気圧計は、任意の速度で、特に少なくとも２０ヘルツの速度で読み取ることができる。
第１のパラメータセットは、道路画像センサではないセンサによって測定することができる。道路画像センサは、道路区間の画像を取得するための専用のイメージセンサである。例えば、道路画像センサは、車両の前方の領域の画像を取得する主要なタスクを有するカメラであってもよい。
複数の道路区間は、車両が１つの道路区間から他の道路区間に移動することができるという意味で、互いにリンクされている。道路区間の数は、２、数十、数百、さらには数千の間の範囲であってもよい。
第１のパラメータセットは、車両ホイール移動パラメータ及び車両加速度パラメータを含むことができる。
車両は、複数の車輪を含んでもよい。複数の車輪は、駆動輪、非駆動輪、または両方の組み合わせを含んでもよい。２×４車両では、２つの車輪は駆動輪であり、２つの車輪は非駆動輪である。４×４車両（４×４モードで動作する場合）では、すべての車輪を駆動輪とみなすことができる。
車輪運動パラメータは、車両の全ての車輪又は車両の少なくとも幾つかの車輪の回転を反映することができる。
説明を簡単にするために、以下を仮定する。
車両は、前部右輪、前部左輪、後部右輪および後部右輪を含むものとする。
車両は、後輪駆動構成を有し、後輪は駆動輪である。
４つの車輪すべての車輪運動パラメータが監視される。
これらは、単に非限定的な仮定であり、本方法は、これらの仮定にかかわらず適用可能である。例えば、本方法は、４×４車両上の任意の数の車輪、任意の数の監視される車輪、前輪駆動構成、および／または任意の数の車輪および／または駆動構成に適用可能である。
方法１０‘は、また、車両および／または道路区間に関する追加情報を取得するステップ３０‘を含んでもよい。
追加情報は、車両の位置情報と、追加の車両パラメータとを含むことができる。位置情報は、車両の経度位置、および車両の緯度位置、すなわち車線、さらには車線内の位置を含むことができる。位置情報は、ＧＰＳ（位置の非常に大まかな推定値を提供する）、画像センサなどの１つまたは複数のセンサを使用することによって計算することができる。
追加情報は、位置合わせターゲットの位置を含むことができる。位置合わせターゲットは、仮想走行距離計誤差をリセットするために使用されてもよい。例えば、走行距離計は、車輪速度の積分に基づいて更新することができる。それにもかかわらず、車輪は滑ることがあり、予想されるものとは異なる実際の有効半径を有することがあり、その結果、走行距離計は距離誤差を蓄積することがある。これらの距離誤差はリセットされてもよく、実際の有効半径は隣接する位置合わせターゲット間の距離に基づいて決定される。
車輪（ホイール）の実際の有効半径は、車両ホイールがフルターンを完了したときに車両が通過する実際の距離を表す。実際の有効半径は、ホイールの空気圧、ホイールの重量などの影響を受ける可能性がある。
ステップ２０‘の後に、車両コンピュータによって、複数の道路区間上の走行に関連する検出物理事象を検出するステップ４０‘が続くことができ、検出は第１のパラメータセットに基づく。
検出物理事象の非限定的な例には、衝突、スリップ、横滑り、スピン、緯度スピン、および経度スピンが含まれ得る。各物理事象は２進値によって表すことができ、例えば、３ビットは、衝突、スリップ、横滑り、スピン、緯度スピン、および経度スピンからの各事象のタイプを表すことができる。
衝突－前のレベルよりも高いエレメントにぶつかる。
例：隆起に踏み入れる、穴から踏み出す。
衝突は、以下によって検出することができる：
駆動輪－急激な瞬間的な速度低下。
非駆動輪－急激な瞬間的な速度低下。
加速度計－ＸおよびＺの表示、ハイパスフィルタ（ＨＰＦ）に続く。
気圧計－急激な高さの増加。
スリップ－前のレベルより低いエレメントに踏み入れる。例：穴に踏み入れる、隆起から踏み出す。
スリップは、次のようにして検出することができる：
駆動輪－急激な瞬間的な速度上昇。
非駆動輪－わずかな瞬間速度低下。
加速度計－ＸおよびＺの表示、ＨＰＦに続く。
気圧計－急激な高さの減少。
横滑り－同じ高さでより悪いグリップに入ったときのタイヤ表面グリップの損失。例：氷／油のこぼれ／砂利／水たまりへの踏み込み、表面高さは変化しない。
スリップは、次のようにして検出することができる：
駆動輪－急激な（ただし、瞬間的ではない）速度上昇
非駆動輪－徐々に速度が低下する。落下速度は、軸摩擦と共に増加する。
スピン－同じ高さでより良好なグリップを入力するときのタイヤ表面グリップの利得。
例－氷／油のこぼれ／砂利から、表面の高さが変わらない良好なグリップ表面への脱出。
スピンは、以下の式によって検出することができる：
駆動輪－急激な（しかし瞬間的ではない）速度低下。
非駆動輪－緩やかな速度増加。増加率は軸摩擦と共に低下する。
緯度スピン－車両のＹ－Ｚ平面運動、その定常運動の上で。例－１つの車輪で道路のへこみ（凹または凸）に乗り込む／乗り越える。
緯度スピンは、以下の式によって検出することができる：
駆動輪－明確な速度変化はない。
非駆動輪－明確な速度変化はない。
加速度計－Ｙ－Ｚ上の別個の動きベクトル：
緯度スピンは、衝突またはスリップよりも時間的に長い。
緯度スピンに関連する加速度計の読み取り値は、衝突またはスリップよりも小さい。
緯度スピン－定常状態の動きに加えて、車両のＸ－Ｚ平面の動き。例－２つの車輪を備えた道路のへこみ（凹または凸）への踏み込み／乗り越え。
緯度スピンは、以下の式によって検出することができる：
駆動輪－明確な速度変化なし。
非駆動輪－明確な速度変化はない。
加速度計－Ｘ－Ｚ上の別個の動きベクトル
経度スピンは、衝突またはスリップよりも時間が長い。
経度スピンに関連する加速度計の読み取り値は、衝突またはスリップよりも小さい。
ステップ３０‘および４０‘の後に、検出された物理事象に関する物理事象情報を生成するステップ５０‘を続けることができる。
物理事象情報には、物理事象とその場所が含まれる場合がある。
物理事象の位置は、物理事象を示す第１のパラメータのセットが測定された時点における車両の位置と、物理事象に関連する車両の構成要素の位置とに基づいて計算されてもよい。
ステップ５０‘の後に、物理事象情報の記憶、送信、および処理のうちの少なくとも１つを実行するステップ９０‘を続けることができる。物理事象情報は送信および／または記憶される前に、さらに処理されてもよい。
ステップ２０‘および３０‘の後に、道路区間属性を計算するステップ６０‘を続けることもできる。
道路区間毎に複数の物理事象が検出され得るが、道路区間属性は道路区間全体を表す。道路区間属性の例は、（ｉ）道路区間を含む道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜、（ｉｉｉ）道路区間の横方向傾斜、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりを含むことができる。
各道路区間属性は、道路区間の異なる位置で行われた読み取り値に任意の関数（統計関数、特に平均化関数など）を適用することによって計算することができる。
道路区間を含む道路区間のグループの曲率を参照する。迂回および湾曲した曲がりは、道路区間のグループによって表すことができる。回り道またはカーブした曲がりの曲率は、道路区間のグループの曲率によって表される。
道路区間のグループの曲率は、グループに属する道路区間の半径および数、または道路区間のグループの任意の他の指示（総長など）を含むことができる。
道路区間のグループの曲率を圧縮された方法で記憶するために、曲率はグループの特定の道路区間（例えば、第１の道路区間）に関連して記憶されてもよく、追加情報は、曲率にも関連付けられるべき道路区間のグループのサイズを示してもよい。
ステップ６０‘の後に、道路区間属性に基づいて道路区間情報を生成するステップ８０‘を続けることができる。道路区間情報は、道路区間属性の集合であってもよい。
ステップ８０‘はまた、道路区間情報を記憶し、送信し、さらに処理することのうちの少なくとも１つを実行することを含むことができる。道路区間情報は、送信および／または記憶される前に更に処理されてもよい。
ステップ８０‘及び９０‘は、道路区間情報及び物理事象情報が処理、記憶及び送信の同じプロセスを経ることができるという意味で組み合わされてもよい。
例えば、この方法は、参照情報と方法１０‘中に収集された情報との間の違い－差分のみを送信することによって、車両から送信される情報の量を低減することができる。
例えば、ステップ８０‘及び９０‘は、以下を含むことができる：
（ａ）複数の道路区間に関連する以前に検出された物理事象に関する参照情報を含む、複数の道路区間の参照マップと、（ｂ）物理事象情報との間の差分を計算し、差分のうちの少なくともいくつかを送信する。
車両から差分を送信するかどうかを決定する。差が有意でない場合、それらは送信されないことがある。
ステップ５０‘の後には、参照マップおよび物理事象情報に基づいて車両の位置を決定するステップ１００‘も続くことができる。
図１３は、複数の道路区間に関連する物理事象を測定する方法１１‘の一例を示す。
方法１１‘は、仮想センサ読み取り値を計算するステップ７０‘を含む点で方法１０‘と異なり、第１のパラメータセットと、おそらくは車両内に存在しない仮想センサの出力を生成するための追加の情報とを併合する。仮想センサ読み取り値は、ステップ８０‘および９０のいずれか一方で処理および／または送信および／または記憶されてもよい。
方法１１‘は、車両の位置を決定するステップ１００‘の後に車両の進行を追跡するステップ１０２‘を含む点で、方法１０‘とは異なる。
ステップ１００‘および／またはステップ１０２‘は例えば、物理事象情報および／または道路区間属性により正確な位置を提供することによって、ステップ８０‘および／または９０‘に影響を及ぼすことができる。さらに別の例では、正確な位置情報を使用して、（ａ）複数の道路区間に関連する以前に検出された物理事象に関する参照情報と物理事象情報との間の差、および／または（ｂ）ステップ６０中に計算された参照道路区間属性と道路区間属性との間の差－マップデルタを計算することができる。
方法１１‘は、車両の位置および参照マップに基づいて運転指示および／または運転提案を生成するステップ１０４‘を含む点で、方法１０‘とは異なる。運転提案は車両の運転者に向けることができ、一方、運転指示は、自律車両モジュールなどの車両の様々な構成要素に供給することができる。
例えば、自律車両モジュールは、車両が次の道路区間を走行するときに、道路区間属性および近い将来に発生する物理事象に一致する（または実質的に一致する）値に車両の速度を設定することができる。これは、燃料消費を増大させ、および／またはブレーキの負荷を減少させることができる。
再びステップ１００‘を参照すると、ステップ１００‘は、参照マップ及び物理事象情報に基づいて車両の位置を決定することを含む。
参照マップは、１つまたは複数の車両から取得された情報、および／または道路区間および物理事象に関する他の情報源（物理事象の位置を含むが、これに限定されない）を含む。
例えば、参照マップは、複数の道路区間に関連する以前に検出された物理事象に関する参照情報と、複数の道路区間に関連する参照道路区間属性とを含むことができる。
参照マップは、方法１０の間に収集された情報に基づいて更新され得る。
参照マップは、道路区間および／または道路区間に関連する物理事象に関する情報の任意の配置または集合とすることができる。
参照マップは、あらかじめ定義された地理的領域またはエリアにわたる道路をカバーすることができる。
ステップ１００‘は、検出された物理事象のシーケンスに一致する物理事象の参照シーケンスを参照マップ内で検索することを含んでもよい。
一致は、物理事象の順序、物理事象間の相対距離が互いに等しいこと、または許容可能なエラー範囲内にあることを必要とし得る。
物理事象は、強制的な物理事象および任意の物理事象に分類されてもよいことに留意されたい。
強制的な物理事象は、道路区間内に位置し、道路区間を通過するときに車両によって感知されなければならない物理事象である。例えば、道路区間の全幅に沿って伸びる著しい隆起を検知しなければならない。
任意の物理事象は、道路区間内に位置し、道路区間を通過するときに車両によって感知されてもされなくてもよい物理事象である。例えば、道路区間を走行するときにバイパスされ得る小さな穴は、感知されてもされなくてもよい。
この一致は、強制的な物理事象の順序、強制的な物理事象間の相対距離が互いに等しいこと、または許容可能なエラー範囲内にあることを必要とし得る。
物理事象は、正規化された大きさによって特徴付けることができる。大きさは、サスペンション、構成、重量など、車両ごとに異なるパラメータが補償（補正）されるという意味で正規化される。正規化は同じ道路区間を通過するときに異なる車両によって感知された情報を比較し、車両の重量を推定することなどを含むことができる。
一致プロセスおよび／または正規化プロセスは、ニューラルネットワーク、深層学習、ファジー論理などの任意の一致技法を適用することによって実行することができる。
検索は、参照マップ全体または参照マップの一部内で実行することができる。参照マップの一部は、車両の位置に関する推定値に基づいて、マップ全体から選択されてもよい。推定値は、限定されるものではないが、全地球測位システム（ＧＰＳ）のような位置システムによって提供されてもよい。
ＧＰＳシステムの分解能および／または精度は、通常、車両の正確な位置を提供するのに十分ではなく、したがって、ＧＰＳ位置が知られている場合でも、方法は依然として参照マップを使用しなければならない。
図１４は、参照マップ６００‘を示す。
参照マップ６００‘は、基本層６１０‘、固定層６２０‘、固定サイズ疎層、および可変サイズ疎層６４０‘を含む。層の数、層のタイプ、各層の内容は、図１４に示すものとは異なっていてもよい。
図１４～１７は、以下の定義を用いて例示される：
ノード － ウェイ（Ｗａｙ）の基本要素。ノードは所定の最大距離（例えば、数十メートル）まで互いに離間されてもよい。方向または勾配が変化しているノードを定義することもできる。
ジャンクションポインタ － ジャンクションノードに関連するポインタ。異なるジャンクションノードは、ジャンクションからの異なる出口に関連付けられる。
ウェイ（Ｗａｙ） － ノードの順序付きコレクション。
道路区間－２つの隣接するノードによって区切られる道路の一部。
道路区間およびノードは、交換可能な方法で使用されてもよく、例えば、道路区間に関する情報は、道路区間を開始するか、または道路区間を終了するノードに関連付けられてもよいことに留意されたい。
基本層６１０‘は、複数の道路区間の位置及び複数の道路区間間の空間的関係に関する情報を記憶することができる。図１４では、この情報が基礎となるように配置されている。
基本層６１０‘は、複数の基本ウェイ情報ユニットを含む。各基本ウェイ情報ユニットは、ウェイに属する道路区間の位置に関する情報と、ウェイに属する道路区間間の空間的関係とを含むことができる。基本ウェイ情報ユニットは、道路区間の勾配、および次のウェイを指し示す（または検索を可能にする）ポインタ（または他の検索情報）などの追加の基本情報を含むことができる。追加の基本情報は、方法ヘッダなど、様々な形式で格納することができる。
ウェイヘッダは、ウェイの方向－双方向、単方向－順方向、および単方向－逆方向、ウェイ速度制限、ウェイ長などの情報を含むことができる。
基本層は、ターンカウンタ、すなわち、運転者毎、車両毎、運転者グループ毎、車両グループ毎、期間毎、及びどのターンが行われたか等の統計を記憶することもできる。ターンカウンタは、デスティネーションが提供されている場合、またはデスティネーションが提供されていない場合でも、運転者の経路の予測に役立つ。経路は、Ｇｏｏｇｌｅ地図および／またはＷａｚｅなどのナビゲーションアプリケーションからシステムに供給されてもよい。
固定層６２０‘は、道路の任意の道路区間に関する固定サイズの追加参照情報の複数のユニットを含む。各ユニットは、各道路区間に関する情報を含むことができる。
固定サイズ疎層６３０‘および可変サイズ疎層６４０‘は、各ウェイの各道路区間に関連付けられていない情報を含む。これらの層間の差は、それらの情報ユニットのサイズ、すなわち固定サイズユニット（固定サイズ疎層６３０‘に属する）または可変サイズユニット（可変サイズ疎層６４０‘に属する）にある。
例えば、一部の区間は、道路の直線部分に属し、一部の道路区間は、道路の曲線部分に属する場合がある。曲率属性は、道路の湾曲部分に属する道路区間にのみ関連付けられてもよい。さらに、道路の湾曲部分に属する各道路区間に曲率属性を割り当てる代わりに、曲率属性を道路区間のうちの１つに割り当てることができ、同じ曲率属性を共有する他の道路区間の数に関する情報も含むことができる。
固定サイズ疎層６３０‘は、道路の道路区間がないか、または道路区間のみに関する固定サイズ追加参照情報の複数のユニットを含む。（情報を持たない）空のユニットは、テーブルから省略されてもよい。
可変サイズ疎層６４０‘は、ウェイの道路区間がないか、または道路区間のみに関する可変サイズ追加参照情報の複数のユニットを含む。（情報を持たない）空のユニットは、テーブルから省略されてもよい。
従って、疎層（６３０‘及び６４０‘）の各々におけるユニットの数は、基本層６１０‘及び固定層６２０‘のユニットの数よりも少なくてもよい（更にはるかに少なくてもよい）。
可変サイズ疎層６４０‘および／または固定サイズ疎層６３０‘の情報ユニットは、基本層および／または固定層内の対応するユニットのアドレスにハッシュ関数を適用することによってアクセスされ得る。任意の他の記憶装置を適用することができる。ハッシュ衝突回避ポリシーおよび／またはハッシュ衝突解決ポリシーが適用されることがある。たとえば、同じハッシュ値のデータユニットは、連結された方法であっても、互いに近くに格納できる。
各層の各情報単位、または情報単位の一部を形成する情報でさえ、アクセス制御ポリシーに従うことができる。
例えば、ある情報ユニットはプライベートにタグ付けされ、他の情報ユニットはパブリックとしてタグ付けされ、プライベートおよびパブリックよりも多くのアクセス制御レベルが存在し得る。例えば、個人情報は、車両または車両の運転者に関連する運転パターンに関する情報を含み、パブリックフィールドを含む。
プライベート情報は、他の車両と共有されなくてもよく、または他のアクセス制御規則に従われてもよい。
情報ユニットまたは情報ユニットの一部には、フラグが設定されたり、タグが付けられたり、アクセスコントロールポリシーに関連付けられているとマークされたりする場合がある。
道路区間当たりの物理事象の数は、道路区間ごとに異なり得るので、物理事象情報は可変サイズ追加参照情報に含まれてもよい。
図１５は、ステップ１００‘を示す。
ステップ１００‘は、検出された物理事象のシーケンスに適合する物理事象の参照シーケンスを参照マップ内で検索するステップ１１０‘を含むことができる。
ステップ１１０‘は、基本層をスキャンするステップ１１２‘と、スキャンされた基本層にリンクされた可変サイズ疎層内のイベントの参照シーケンスをスキャンするステップ１１４‘とを含むことができる。
図５および図６は、道路、道路区間、ウェイおよびノードの例を示す。
ウェイ４０１（図１７の）は双方向であり、方向ごとに１つのレーンを含み、道路部分１１１を「カバー」する。ウェイ４０１は、ノードによって区切られた道路区間を含む。
ウェイ４０２（図１７の）は双方向であり、方向ごとに１つのレーンを含み、道路部分１１２を「カバー」する。ウェイ２０２は、道路区間２２２および３２２と、ノード２２１、２２３および３２１および３２３とを含む。
道路部分１１１、１１２、１１３、１１５は、ジャンクション１２０によって区切られている。
ウェイ４０３（図１７の）は、双方向であり、方向ごとに１つのレーンを含み、道路部分１１３を「カバー」する。ウェイ４０３は、ノードによって区切られた道路区間を含む。
ウェイ４０４（図１７の）は、双方向であり、方向ごとに２つのレーンを含み、道路部分１１４を「カバー」する。ウェイ４０４は、ノードによって区切られた道路区間を含む。
ウェイ４０５（図１７の）は、双方向であり、方向ごとに１つのレーンを含み、道路部分１１５、道路部分１１６、道路部分１１７、および道路部分１１８を「カバー」する。ウェイ４０５は、ノードによって区切られた道路区間を含む。道路部分１１７は湾曲している。道路部分１１７の１つのレーンは、道路区間２７２、２７４、２７６および２７８と、ノード２７１、２７３、２７５、２７７および２７９とによって表される。道路部分１１７の別のレーンは、道路区間３７２、３７４、３７６、３７８、およびノード３７１、３７３、３７５、３７７、３７９によって表される。
ウェイ４０９（図１７の）は、双方向であり、方向ごとに１つのレーンを含み、道路部分１１９を「カバー」する。ウェイ４０９は、ノードによって区切られた道路区間を含む。
ウェイ４０９‘（図１７の）は、双方向であり、方向ごとに１つのレーンを含み、道路部分１１９‘を「カバー」する。ウェイ４０９‘は、ノードによって区切られた道路区間を含む。
道路部分１１８、１１９、１１９‘は、ジャンクション１２１によって画定されている。
道路部分１１７に属する道路区間のみが曲率属性を有する。曲率属性は（３７１、３７３、３７５、３７７および３７９）および／または（２７１、２７３、２７５、２７７および２７９）の最初または最後のノードに関連付けられてもよく、追加情報はこの曲率を共有するノードの数（５つ）を示してもよい。
図１６は、道路区間２２２が穴２４３、単一レーンに沿って延在する隆起２４２、両方のレーンを横切って延在する別の隆起２４１、および単一レーンに沿って延在する滑りやすい道路セクション２４４などの障害物を含むことを示す。
道路区間２２２のレーンのうちの１つを走行するときに車両が経験する物理事象は、検出された物理事象情報によって、または参照物理事象情報によって表される。
図１８は、車両の底部を示し、特に、第１の車輪Ｗ１ ５０１の座標（Ｘ１，Ｙ１）、第２の車輪Ｗ２ ５０２の座標（Ｘ１，Ｙ１）、第３の車輪Ｗ３ ５０３の座標（Ｘ３，Ｙ３）、第４の車輪Ｗ４ ５０４の座標（Ｘ４，Ｙ４）、Ｗ１とＷ２との間に結合された第１の車軸の中心５０５の座標（Ｘ５，Ｙ５）、およびＷ３とＷ４との間に結合された第２の車軸の座標（Ｘ６，Ｙ６）を含む車両の様々な構成要素間の空間関係を示す。
物理事象は１つの車輪によって経験されてもよく、この場合、物理事象の位置はその車輪の位置に起因してもよく、または複数の車輪（例えば、一対の前輪または一対の第２の車輪）によって起因してもよく、それは、両方の車輪の位置に起因してもよく（例えば、隆起と衝突する場合）、または軸の中心の位置に起因してもよい（例えば、スライドする場合）。
衝突、スリップ、横滑り、およびスピンなどの物理事象の例では、物理事象に遭遇する各ホイールに物理事象が関連付けられる。例えば、両方の前輪がほぼ同時に同じタイプの物理事象に遭遇した場合、２つの前輪に対する２つの物理事象属性が生成される。
さらに別の例では、緯度スピンおよび経度スピンが（車両が前方に移動すると仮定して）車両の前輪間のアクセルの中央に起因し得る。
物理事象情報は、イベントの正規化された大きさを含んでもよい。正規化は、サスペンション、構成、重量など、車両ごとに異なるパラメータを補償することを含むことができる。
図１９は、車両の重量に基づく較正係数を適用することを含む正規化プロセスの一例を提供する曲線７００‘を示す。第１のパラメータセットの異なるパラメータは、異なる較正係数を受けることができる。
正規化プロセスは、重量、パッチサイズ、速度（スイングの主要な正規化ファクタであり得る）、励振（加速度、減速度、曲線）、ホイールベース距離（前後、左右）、およびサスペンションを考慮に入れることができる。
図２０‘は、車両５１、ネットワーク５９０、およびコンピュータ化されたシステム５９２の例を示す。
車両５１は、どのような種類の車両であってもよい。
図２０は、車両を、第１の車輪Ｗ１ ５０１、第２の車輪Ｗ２ ５０２、第３の車輪Ｗ３ ５０３、第４の車輪Ｗ４ ５０４、第１の車輪センサＷＳ ５１１、第２の車輪センサＷＳ ５１２、第３の車輪センサＷＳ ５１３、第４の車輪センサＷＳ ５１４、加速度計５１５、気圧計５１６、他のセンサ５１７、車両コンピュータ５５０、プロセッサ５５２、メモリモジュール５５４、通信モジュール（ＣＭ）５４２、およびマンマシンインターフェース（ＭＭＩ）５４０を含むものとして示す。
ＭＭＩ５４０は、運転提案などの情報を運転者に提供することができる。
気圧計５１６は、車両５１の前部に位置するように示されている。気圧計は、車両５０内の任意の位置に配置することができる。１つ以上の気圧計があってもよい。
加速度計５１５は、３軸加速度計であってもよい。
他のセンサ５１７は、車両および／または道路状態に関連する様々なパラメータを感知することができる。他のセンサ５１７は、速度計、温度計、エンジンセンサ（燃料消費センサなど）、または任意の他のセンサのうちの少なくとも１つを含むことができる。
車両コンピュータ５５０は、車両の様々な構成要素および／またはシステムの状態を監視することができ、車両の様々な構成要素および／またはシステムを制御することができ、本明細書に示す方法のいずれかの実行に関与することも、関与しないこともできる。
通信モジュール５４２は、ネットワーク５９０を介してコンピュータ化システム５９２と通信することができる。
通信モジュール５４２は、近距離通信モジュール、無線周波数通信モジュールなどの長距離通信モジュール、衛星通信モジュール、セルラー通信ネットワークなどとすることができる。
車両コンピュータ５５０は、プロセッサおよびメモリユニットを含むことができる。プロセッサはハードウェアコンポーネントを含むことができ、汎用プロセッサ、画像プロセッサ、ハードウェアアクセラレータ、ＦＰＧＡ、ＡＳＩＣなどとすることができる。メモリユニットは、不揮発性メモリであってもよい。
コンピュータ化システム５９２は、クラウドコンピューティング環境内に配置することができ、１つまたは複数のサーバまたはコンピュータの任意の組合せを含むことができる。
処理、計算等（および本出願に示されているようなもの）を含む任意のステップは、車両コンピュータ５５０、プロセッサ５５２、および／またはコンピュータ化システム５９２によって実行することができる。
メモリノジュール５５４は、参照マップを記憶することができる。車両の様々な構成要素は、方法１０‘および／または方法１１‘を実行することができる。
図２１は、方法８００の一例を示す。
方法８００は、車両内または車両外部に配置され得るコンピュータ化されたシステムによって実行されてもよい。
方法８００は、通信インターフェースによって、（ａ）領域に属する道路区間上を走行するときに複数の車両によって検出された検出物理事象に関する物理事象情報と、（ｂ）複数の車両によって計算された道路区間属性とを複数の車両から受信するステップ８１０によって開始することができ、道路区間属性は、領域に属する道路区間に関連付けられる。
領域は、あらかじめ定義された任意の領域であってもよく、それは都市の一部、都市全体、国の一部、国全体、複数の国の一部、複数の国、さらには世界全体を含んでもよい。
その情報は、異なる車両から同時に、または異なる時点で受信されてもよい。異なる車両からの情報は、異なる道路区間又は同じ道路区間を参照することができる。異なる車両によって報告される情報に関連する道路区間間に部分的な重複が存在することがある。
複数の車両のうちの１つの車両の物理事象情報は、車両の第１の車両センサによって感知される第１のパラメータセットに基づく。
第１のパラメータセットは、車両ホイール移動パラメータ及び車両加速度パラメータを含み、第１の車両センサは、道路画像センサとは異なる。
検出された物理事象は、例えば、少なくとも１つ以上の衝突、スリップ、横滑り、スピン、緯度スピン、及び経度スピンを含むことができる。
第１の車両センサは、加速度計および複数の車輪運動センサを含むことができる。
道路区間属性は、（ｉ）道路区間を含む道路区間のグループの曲率、（ｉｉ）道路区間の長手方向傾斜、（ｉｉｉ）道路区間の横方向傾斜、（ｉｖ）道路区間に関連するグリップレベル、（ｖ）道路区間のうねりのうちの少なくとも１つの道路区間属性を含むことができる。
検出された物理事象情報および道路区間属性は、非常にコンパクトであり、それらは、制限されたサイズ（フィールド当たり数バイトの大きさ）の少数のフィールドを含むことができ、画像ベースのロケーションに使用される画像に必要とされるサイズのほんの一部である。したがって、参照マップは、非常に小さくてもよく、したがって、道路の非常に正確な記述を提供しながら、通信資源、計算資源、および記憶資源を節約する。
第１のパラメータセットは、道路区間の視覚情報とは異なり、道路区間の視覚情報に関連する誤差とは異なる誤差を含むことができる。これらのタイプの情報を併合することにより、視覚情報と、ステップ８１０および８２０の間に収集された情報との両方の誤差を低減することができる。
第１のパラメータセットに基づく物理事象の検出は、不正確な視覚情報に基づく推定を実行するよりもはるかに正確である。
方法８００は、視覚センサが動作するのを妨げる条件（霧、砂嵐、大雨など）の下でも使用することができる。
情報（道路区間属性および／または物理事象情報）のコンパクトなサイズは、更新された情報の生成、更新された情報の記憶、および更新された情報の送信を容易にし、道路状態の変化後の追跡を容易にする。
ステップ８１０の後に、コンピュータ化されたシステムによって、複数の車両によって検出された検出物理事象に関する物理事象情報と、複数の車両によって計算された道路区間属性とに基づいて、参照マップを計算するステップ８２０が続くことができる。
参照マップは、領域のセグメントに関連する参照物理事象情報と、領域の道路区間に関連する参照道路区間属性とを含む。
参照マップは、最初に生成され、その後更新されてもよい。更新は、連続的に又は非連続的に行うことができる。更新は、ステップ８２０からステップ８１０への矢印によって表すことができる。
そのマップは、車両によって取得された更新された情報と比較することができる参照データを含むという意味で、参照マップと呼ばれる。比較は参照マップ更新中に、および／または車両がコンピュータ化されたシステムに送信されるデルタを生成するときに実行されてもよい。
デルタは、道路区間属性および／または物理事象情報と参照マップとの間の差である。
ステップ８２０は、デルタに含まれる関連する道路区間属性および／または物理事象情報のみを更新することを含むことができる。
参照マップは、図１４の参照マップであってもよいが、参照マップは別の構造を有してもよく、異なる情報を記憶してもよい。
参照マップは、複数の道路区間の位置及び複数の道路区間間の空間的関係に関する情報を記憶する基本層を含むことができる。
参照マップは、複数の道路区間に関連する以前に検出された物理事象に関する参照情報を格納する層を含むことができる。
参照マップは、（ａ）複数の道路区間の位置および複数の道路区間間の空間的関係に関する情報を記憶する基本層と、（ｂ）複数の道路区間の道路区間のいくつかのみに関する追加情報を含む１つまたは複数の疎層とを含むことができ、１つまたは複数の疎層は基本層にリンクされる。
参照マップは、固定フィールドサイズ疎層および可変サイズ疎層を含むことができ、可変サイズ疎層は、参照物理事象情報を含むことができる。
参照マップは、車両または車両の運転者に関連する運転パターンに関する情報を記憶するプライベートフィールドを含むことができ、パブリックフィールドを含むことができる。
物理事象情報は、検出された物理事象の正規化された大きさを含むことができる。
車両プロファイル
コンパクトな車両プロファイルを提供することができる。車両プロファイルのコンパクトなサイズは、更新された車両プロファイルの生成、車両プロファイルの保存、および車両プロファイルの送信を容易にする。車両プロファイルは、限られた量の計算リソースおよび／またはメモリリソースのみを使用して生成および／または更新されてもよい。
車両プロファイルは、さらに圧縮され、それによって、そのメモリ占有面積をさらに減少させることができる。
図２２は、方法９００の一例を示す。
方法９００は、車両プロファイル情報候補を収集するステップ９１０によって開始することができ、車両プロファイル情報候補は、異なる道路経路および車両パラメータに関連する燃料消費情報を含む。道路経路および車両パラメータの少なくともいくつかは、道路画像センサとは異なる第１の車両センサによって感知される。
収集することは、第１の車両センサによって道路経路車両パラメータを感知すること、車両コンピュータによって感知されたパラメータに関する情報を受信すること、車両の外部に位置するコンピュータ化されたシステムなどを含むことができる。
第１の車両センサの非限定的な例は、２０１７年９月１０日に出願された米国仮特許出願第６２／５５６，４４３号および第６２／５５６４４４号に例示されている。
ステップ９１０は、定常状態候補を検索することを含むことができる。
定常状態候補は、車両が定常状態に達した後、定常状態から出る前の情報を表す候補である。
車両が所定の期間同じ加速度を維持した後、車両が所定の期間同じ速度を維持した後、または車両が所定の期間同じアイドル減速を維持した後に、定常状態が得られる。所定の期間は、任意の長さ、例えば数秒、特に５秒とすることができる。
巡航のための定常状態に関連する所定の期間は、加速のための定常状態に関連する所定の期間と同じであってもよいし、異なっていてもよい。
巡航のための定常状態に関連する所定の期間は、アイドル減速のための定常状態に関連する所定の期間と同じであってもよいし、異なっていてもよい。
アイドル減速のための定常状態に関連する所定の期間は、加速のための定常状態に関連する所定の期間と同じであってもよいし、異なっていてもよい。
加速定常状態は、車両が開始速度にあるときに開始することができ、車両が開始速度を所定量（例えば、５ｋｍ／ｈ、または任意の他の値）だけ上回る所定の速度に達したときに終了することができる。
アイドル減速定常状態は、車両が開始速度にあるときに開始することができ、車両が開始速度よりも特定量（例えば、５ｋｍ／ｈ、または任意の他の値）だけ低いある速度に達したときに終了することができる。
特定量は、所定量と同じであってもよいし、所定量と異なっていてもよい。
アイドル減速データ構造は、開始速度のみ、所定の速度のみ、または開始速度と所定の速度の両方を記憶することができる。
加速度データ構造は、開始速度のみ、特定の速度のみ、または開始速度と特定の速度の両方を記憶することができる。
ステップ９１０の後に、少なくとも車両プロファイル情報候補に基づいて車両プロファイルを生成するステップ９２０が続くことができる。
車両プロファイルは、以下から構成されてもよく、本質的に構成されてもよく、または以下を含んでもよい：
道路経路および車両パラメータの第１のセットの異なる値に対する車両の等速移動に関連する巡航燃料消費パラメータの値に関する巡航情報を含む巡航データ構造。
車両のアイドル減速に関連するアイドル減速距離値の値に関するアイドル減速情報を、道路経路および車両パラメータの第２のセットの異なる値に対して含むアイドル減速データ構造。
道路経路および車両パラメータの第３のセットの異なる値に対する車両の一定の加速度に関連する加速度燃料消費パラメータの値に関する加速度情報を含む加速度データ構造。
巡航データ構造は、道路経路及び車両パラメータの第１のセットの値の異なる組み合わせに対する巡航燃料消費パラメータの値から構成されてもよく、本質的に構成されてもよく、又はその値を含んでもよい。
第１のセットの道路経路および車両パラメータは、車両速度、道路区間勾配、車両重量、および１つまたは複数の伝送システムパラメータを含むことができ、これらから構成することができ、またはこれらから本質的に構成することができる。
変速機システムパラメータは、ギアおよびスロットル位置を含むことができ、ギアおよびスロットル位置から構成することができ、またはギアおよびスロットル位置から本質的に構成することができる。
アイドル減速データ構造は、アイドル減速距離の値を含んでもよく、それから構成されてもよく、または本質的にそれから構成されてもよい。アイドル減速は、車両のブレーキの使用を伴わない減速を意味し得る。
第２のセットの道路経路および車両パラメータは、始動車両速度、道路区間勾配、および車両重量を含むことができ、これらから構成することができ、またはこれらから本質的に構成することができる。
第２のセットの道路経路および車両パラメータは、始動車両速度、道路区間勾配、および車両重量、ならびに１つまたは複数の変速機システムパラメータを含むことができ、それらから構成することができ、またはそれらから本質的に構成することができる。
変速機システムパラメータは、ギアを含んでもよく、ギアから構成されてもよく、またはギアから本質的に構成されてもよい。
巡行データ構造は、加速燃料消費パラメータの値を含んでもよく、それから構成されてもよく、または本質的にそれから構成されてもよい。加速燃料消費パラメータは、ある距離当たりの平均瞬間燃料消費および／または平均燃料消費であってもよい。そして／または１００キロメートルあたりのリットルでの燃料消費でもよい。
第３のセットの道路経路および車両パラメータは、始動車両速度、道路区間勾配、車両重量、加速距離、および１つまたは複数の変速機システムパラメータを含むことができ、これらから構成することができ、またはこれらから本質的に構成することができる。
変速機システムパラメータは、ギアおよびスロットル位置を含むことができ、ギアおよびスロットル位置から構成することができ、またはギアおよびスロットル位置から本質的に構成することができる。
ステップ９２０は、経路区間の勾配と、（ｉ）経路区間の２つの端部間の高さの差と（ｉｉ）経路区間の水平投影の長さの比との比較に基づいて、車両プロファイル情報候補を拒絶することを含むことができる。
ステップ９２０の後に、車両プロファイルに基づいて車両を動的にクラスタリングするステップ９３０を続けることができる。
ステップ９３０は、各クラスタについてクラスタプロファイルを計算することを含むことができる。クラスタプロファイルは、クラスタ巡航データ構造、クラスタアイドル減速データ構造、およびクラスタ加速データ構造を含むことができ、それらから構成することができ、またはそれらから本質的に構成することができる。
クラスタ巡航データ構造は、クラスタの車両の少なくとも一部の巡航データ構造を表す。クラスタ巡航データ構造は、統計関数、加重平均などの任意の関数を使用して計算することができるが、これらに限定されるものではない。
クラスタアイドル減速データ構造は、クラスタの車両の少なくとも一部のアイドル減速データ構造を表す。クラスタアイドル減速データ構造は、統計関数、加重平均などの任意の関数を使用して計算することができるが、これらに限定されるものではない。
クラスタ加速度データ構造は、クラスタの車両の少なくとも一部の加速度データ構造を表す。クラスタ加速度データ構造は、統計関数、加重平均などの任意の関数を使用して計算することができるが、これらに限定されるものではない。
ステップ９３０は、巡行データ構造、アイドル減速データ構造、及び加速データ構造のうち少なくとも１つを含む可能性のあるクラスタプロファイルに基づいて更新することを含んでいる。
ステップ９２０および／または９３０の後に、車両プロファイルを圧縮して圧縮車両プロファイルを生成するステップ９４０が続くことができる。
圧縮車両プロファイルは、車両のメモリユニットおよび／または車両の外部のメモリユニットに記憶されてもよい。圧縮車両プロファイルは、車両に送信されてもよく、および／または車両の外部に送信されてもよい。
ステップ９４０は、以下のうちの少なくとも１つを含むことができる：
従属道路経路と車両パラメータとの間の数学的関係を計算し、巡航データ構造、アイドル減速データ構造、および加速度データ構造のうちの少なくとも１つから、従属道路経路および車両パラメータのうちの少なくとも１つに関する情報を除去すること。
車両速度のサブグループに関連する道路経路と車両パラメータの削除。例えば、経路区間当たりの最適速度を決定し、経路区間当たりの最適速度に関連する燃料消費パラメータのみを維持する。
１つまたは複数の道路経路および車両パラメータを、車両プロファイルのいずれか１つに格納することなく、キーとして使用。したがって、異なる燃料消費パラメータをデータベースに記憶することができ、１つまたは複数の道路経路および車両パラメータ（勾配および／または速度など）をキーとして使用してアクセスされる。
数学的推定値を計算する非限定的な例が以下に示され、この例の少なくとも一部が、２０１７年９月１０日に出願された米国仮特許出願第６２／５５６，４４５号および第６２／５５６４４７号に示されている。
以下のセクションは、勾配パラメータが車両の勾配および重量を反映するようにどのように修正され、それによって車両プロファイルから重量を除去して圧縮車両プロファイルを提供するかを示す。
巡行データ構造に以下の圧縮を適用することができ、他のデータ構造（加速、アイドル減速）は、他の公式を使用して圧縮することができる：
以下の要素を使用する：
ｍｇΔｈ －燃料が高度ポテンシャルエネルギーに転換される。
ｍ（ｖ_２ ^２－ｖ_１ ^２）／２ －燃料が運動エネルギーに転換される。
ｋ_２ｍｘ －摩擦（質量の影響）に転換されたエネルギー
ｋ_３ｘｖ^２ －摩擦（抗力）に転換されたエネルギーを表す。
＊巡行定常状態（すなわち、速度は一定であり、Ｔ_ｓｓ秒の時間フレームである）のためのすべての計算に留意されたい。
方程式の一方では、エネルギーはエンジンから出て行き、他方では：
Ｅ_Ｆｕｅｌ －燃料エネルギーを表す。
最後に、以下を得る：

【数11】

定義：
Ｋ_２－係数は、各セッションの終わりに与えられる。
ｘ－合計距離（メートル）。ここでは、定常状態（すなわち、定常状態ｘ＝Ｖ_ｓｓ＊Ｔ_ｓｓ）ごとに決定される。
Ｓ_０ －パーセントで表した定常状態勾配
Δｈ －高度差（傾きとｘから得られる）
ｍ_０ ＝ （ＦＷ－ＥＷ）／２（ＶＣＴあたり）
ｍ_ｒｅａｌ －現在のセッションの実際の推定ウェイト
Δｍ ＝ ｍ_ｒｅａｌ － ｍ_０ －質量変化（ｍ_０ から）
ｄｈ － 質量変化の結果である高度差の有効な変化
Ｓ_ｎｅｗ －重み付きｍ_０の新しい勾配（Ｓ_０とΔｍを考慮）
勾配の関係とｈ

【数12】

勾配とエネルギー方程式の関係は次の通りである：

【数13】

Δｍの追加と同じ燃料消費（ΔＥ_Ｆｕｅｌ）を引き起こすｄｈを見つけたいので、解く必要がある：
（ｍ_０＋Δｍ）ｇΔｈ＋（ｍ_０＋Δｍ）ｋ_２ｘ ＝ ｍ_０ｇ（Δｈ＋ｄｈ）＋ｍ_０ｋ_２ｘ
ΔｍｇΔｈ ＋Δｍｋ_２ｘ ＝ ｍ_０ｇｄｈ －＞ ｄｈ ＝ Δｍ／ｍ_０ （Δｈ ＋ｋ_２ｘ／ｇ）
ここで、新しい勾配は以下である：

【数14】

そこで、新しい有効勾配にマッピング（Ｓ_０，ｍ_０，Δｍ，ｋ_２ ）する関数を見いだした。
道路区間の勾配が既知であると仮定すると、圧縮は、圧縮された車両プロファイルにおいて、道路区間の勾配に関連する情報のみを維持することを含むことができる。車両が経路区間のシーケンスを通過しようとしている場合、圧縮車両プロファイルは、シーケンスの経路区間の勾配のみに関連する情報を含むことができる。
圧縮は最大速度限界を考慮に入れ、圧縮中に、最大速度限界を超える速度値に関する情報を除去することができる。
例えば、ステップ９５０中に、コンピュータ化されたシステムが、車両の前方にある経路に関連する１つまたは複数の推奨運転パラメータ（速度、スロットル、およびギアなど）を生成した場合、圧縮は推奨パラメータを考慮に入れ、圧縮中に、他の運転パラメータに関連する情報を除去することができる。
ステップ９２０は、第１の道路経路及び車両パラメータの特定の値に対する巡行燃料消費パラメータの値を外挿することを含むことができる。外挿は、第１のセットの道路経路及び車両パラメータの特定の他の測定値に対する巡航燃料消費パラメータの値に応答することができる。
外挿は、クラスタ車両クラスタから感知および／または取得された、または別の方法で推測または取得された道路経路および車両パラメータに基づいて感知されなかった道路経路および車両パラメータの値について、燃料消費またはアイドル減速距離（テーブルに依存する）をどのように推定するかの一例にすぎない。
図２７は、巡行データ構造１０１０がデフォルト巡行情報１０１０‘（予めプログラムされた値、または任意のデフォルト値、そのデフォルト値は車両－製造業者、モデル、年の任意のパラメータに基づいて擬似ランダムにランダムに生成されてもよい）、クラスタ巡行情報１０１０”、および／または実際の（測定された）巡行情報１０１０”を使用して生成および／または更新されてもよいことを示す。
アイドル減速度データ構造１０２０は、デフォルトアイドル減速度情報１０２０‘（予めプログラムされた値、または任意のデフォルト値、そのデフォルト値は車両－製造業者、モデル、年の任意のパラメータに基づいて擬似ランダムにランダムに生成されてもよい）を使用して生成および／または更新することができ、デフォルト値は、車両の任意のパラメータ－製造業者、モデル、年）、クラスタアイドル減速度情報１０２０”、および／または実際の（測定された）アイドル減速度情報１０２０”を使用しておよび／または更新されてもよい。
加速度データ構造１０３０は、デフォルト加速度情報１０３０‘（予めプログラムされた値、または任意のデフォルト値、そのデフォルト値は車両－製造業者、モデル、年の任意のパラメータに基づいて擬似ランダムにランダムに生成されてもよい）、クラスタ加速度情報１０３０”、および／または実際の（測定された）加速度情報１０３０”を使用して生成および／または更新されてもよい。
任意の推定値は、道路経路および車両パラメータの品質に反応することができる。品質は、任意の方法で決定することができる。例えば、複数回測定され、小さい配分（少なくともより低い品質を有する他の組み合わせの配分よりも小さい）を有する道路経路及び車両パラメータの値の組み合わせに、より高い品質を割り当てることができる。測定された燃料消費および／またはアイドル減速度値は、外挿値および／またはクラスタ値の対応する値よりも高い品質を有し得る。
図２２に戻って参照すると、方法９００は、車両の前方にある経路のための１つまたは複数の運転パラメータを提案するステップ９５０を含むことができる。ステップ９５０は、少なくとも部分的に、車両プロファイル、経路部分の勾配、および最大速度制限などの外因性制約に基づく。
方法９００の少なくとも１つのステップは、車両コンピュータによって、および／または車両の外側に位置するコンピュータ化されたシステムによって実行され得る。車両コンピュータおよびコンピュータ化されたシステムは、方法９００の実行中に互いに協働することができる。
図２３～２６は、車両プロファイルおよび車両プロファイルの様々なデータ構造の例を示す。
図２３および図２４は、第１のセットの道路経路および車両パラメータ（１０１２）の異なる値に対する、車両の一定速度移動に関連するクルーズパラメータ（平均瞬間燃料消費１０１１など）の値に関する巡行情報を含むものとしての巡行データ構造１０１０を示す。第１のセットの道路経路及び車両パラメータは、例えば、速度、経路区間の勾配、車両の重量、ギア、及び平均スロットル位置を含むことができる。
Ｎｖの異なる速度値（Ｖ１－Ｖｎｖ）、Ｎｓの異なる勾配値（Ｓ１－Ｓｎ）、Ｎｗの異なる自動車重量値（Ｗ１－Ｗｎｗ）、Ｎｇの異なるギア位置値（Ｇ１－Ｇｎｇ）、Ｎａｔｐの異なる平均スロットル位置値（ＡＴＰ１－ＡＴＰｎａｔｐ）があると仮定すると、巡行データ構造はＮｖ ＊ Ｎｓ ＊ Ｎｗ ＊ Ｎｇ ＊ Ｎａｔｐエントリまで含めることができる。
図２４は、３つのエントリを示し、各エントリは、平均瞬間燃料消費（ＡＶＭＦＣ）フィールド｛１０１１（１，１，１，１，１）、１０１１（１，１，１，１，２）および１０１１（ｎｖ、ｎｓ、ｎｗ、ｎｇ、ｎａｔｐ）｝と、対応する関連車両および道路経路パラメータフィールド｛１０１２（１，１，１，１，１，１）、１０１２（１，１，１，１，１，２）、１０１２（ｎｖ、ｎｓ、ｎｗ、ｎｇ、ｎａｔｐ）｝とを含む。
図２３および図２５は、アイドル減速データ構造１０２０を、第２のセットの道路経路および車両パラメータ（１０２２）の異なる値に対する、車両のアイドル減速に関連するアイドル減速パラメータ（アイドル減速距離１０２１など）の値に関するアイドル減速情報を含むものとして示す。道路経路及び車両パラメータの第２のセットは、例えば、開始速度（アイドル減速を開始するときの速度）、経路区間の勾配、車両及びギアの重量を含むことができる。
Ｎｖ個の異なる開始速度値（Ｖ１－Ｖｎｖ）、Ｎｓ個の異なる勾配値（Ｓ１－Ｓｎｓ）、Ｎｗ個の異なる車両重量値（Ｗ１－Ｗｎｗ）、およびＮｇ個の異なるギア位置値（Ｇ１－Ｇｎｇ）があると仮定すると、アイドル減速データ構造は、Ｎｖ ＊ Ｎｓ ＊ Ｎｗ ＊ Ｎｇ個までのエントリを含むことができる。
図２５は３つのエントリを示し、各エントリは、アイドル減速距離フィールド（ＩＤＳ）｛１０２１（１，１，１，１）、１０２１（１，１，１，２）及び１０２１（ｎｖ、ｎｓ、ｎｗ、ｎｇ）｝と、対応する関連車両及び道路パラメータフィールド｛１０２２（１，１，１，１）、１０２２（１，１，１，２）及び１０２２（ｎｖ、ｎｓ、ｎｗ、ｎｇ）｝とを含む。
図２３および図２６は、第３のセットの道路経路および車両パラメータ（１０３２）の異なる値についての、車両の一定の加速度移動に関連する加速度パラメータ（累積燃料消費１０３１など）の値に関する加速度情報を含むものとして、加速度データ構造１０３０を示す。第３のセットの道路経路及び車両パラメータは、例えば、開始速度、経路区間の勾配、加速度長さ、車両の重量、ギア、及び平均スロットル位置を含むことができる。
Ｎｖの異なる速度値（Ｖ１－Ｖｎｖ）、Ｎｓの異なる勾配値（Ｓ１－Ｓｎｓ）、Ｎａｄの異なる加速距離（ＡＤ１－ＡＤｎａｄ）、Ｎｗの異なる車両重量値（Ｗ１－Ｗｎｗ）、Ｎｇの異なるギア位置値（Ｇ１－Ｇｎｇ）、Ｎａｔ個の異なる平均スロットル位置値（ＡＴＰ１－ＡＴＰｎａｔｐ）があると仮定すると、加速データ構造は、Ｎｖ ＊ Ｎｓ ＊ Ｎａｄ ＊ Ｎｗ ＊ Ｎｇ ＊ Ｎａｔｐまでのエントリを含むことができる。
図２６は、３つのエントリを示し、各エントリは、累積燃料消費（ＡＦＣ）フィールド｛１０３１（１，１，１，１，１，１）、１０３１（１，１，１，１，１，２）および１０３１（ｎｖ、ｎｓ、ｎａｄ、ｎｗ、ｎｇ、ｎａｔｐ）｝と、対応する関連車両および道路経路パラメータフィールド｛１０３２（１，１，１，１，１，１）、１０３２（１，１，１，１，１，２）、１０３２（ｎｖ、ｎｓ、ｎａｄ、ｎｗ、ｎｇ、ｎａｔｐ）｝とを含む。
パラメータの値および粒度の非限定的な例を以下に示す：
速度または開始速度は、０～１４０Ｋｍ／ｈの範囲で、粒度は１～５Ｋｍ／ｈなどであってもよい。
勾配は、０．０５～２度の間の粒度などで、マイナス２０とプラス２０の間の範囲であってもよい。
重量は、０．５～８パーセントの間の粒度なでで最大積載車両の１～１００パーセントの範囲であってもよい。
ギアは、４～１６の範囲であり、粒度は１である。
平均スロットル位置は、０．５～８パーセントの間の粒度などで最大開放スロットルの１～１００パーセントの間の範囲であってもよい。
平均瞬間燃料消費量は、０．０５～１パーセントの粒度などで、０～１２００リットル～１００ｋｍの範囲であってもよい。
平均燃料消費量は、０～２５５リットル／時の範囲であってもよく、粒度は０．５～５リットル／時などであってもよい。
アイドル減速距離は、０．５～５メートルの解像度で、０～１０００メートルの範囲とすることができる。
範囲および／または解像度は、１つのデータ構造と別のデータ構造との間で変化し得る。
図２０は、車両５１、ネットワーク５９０、およびコンピュータ化されたシステム５９２の例を示す。
車両５１は、どのような種類の車両であってもよい。
車両５１は、任意のタイプの車両センサを含むことができる。車両センサの非限定的な例は、２０１７年９月１０日に出願された米国仮特許出願第６２／５５６，４４３号および第６２／５５６４４４号に例示されている。
図２０は、車両を、第１の車輪Ｗ１ ５０１、第２の車輪Ｗ２ ５０２、第３の車輪Ｗ３ ５０３、第４の車輪Ｗ４ ５０４、第１の車輪センサＷＳ ５１１、第２の車輪センサＷＳ ５１２、第３の車輪センサＷＳ ５１３、第４の車輪センサＷＳ ５１４、加速度計５１５、気圧計５１６、他のセンサ５１７、車両コンピュータ５５０、プロセッサ５５２、メモリモジュール５５４、通信モジュール（ＣＭ）５４２、およびマンマシンインターフェース（ＭＭＩ）５４０を含むものとして示す。
ＭＭＩ ５４０は、運転提案などの情報を運転者に提供することができる。
気圧計５１６は、車両５１の前部に位置するように示されている。気圧計は、車両５０内の任意の位置に配置することができる。１つ以上の気圧計があってもよい。
加速度計５１５は、３軸加速度計であってもよい。
他のセンサ５１７は、車両および／または道路状態に関連する様々なパラメータを感知することができる。他のセンサ５１７は、速度計、温度計、エンジンセンサ（燃料消費センサなど）、または任意の他のセンサのうちの少なくとも１つを含むことができる。
車両コンピュータ５５０は、車両の様々な構成要素および／またはシステムの状態を監視することができ、車両の様々な構成要素および／またはシステムを制御することができ、本明細書に示す方法のいずれかの実行に関与することも、関与しないこともできる。
通信モジュール５４２は、ネットワーク５９０を介してコンピュータ化システム５９２と通信することができる。
通信モジュール５４２は、近距離通信モジュール、無線周波数通信モジュールなどの長距離通信モジュール、衛星通信モジュール、セルラー通信ネットワークなどとすることができる。
車両コンピュータ５５０は、プロセッサおよびメモリユニットを含むことができる。プロセッサは、ハードウェアコンポーネントを含むことができ、汎用プロセッサ、画像プロセッサ、ハードウェアアクセラレータ、ＦＰＧＡ、ＡＳＩＣなどとすることができる。メモリユニットは、不揮発性メモリであってもよい。
コンピュータ化システム５９２は、クラウドコンピューティング環境内に配置することができ、１つまたは複数のサーバまたはコンピュータの任意の組合せを含むことができる。
処理、計算等（および本出願に示されている）を含む任意のステップは、車両コンピュータ５５０、プロセッサ５５２、および／またはコンピュータ化システム５９２によって実行することができる。
メモリノジュール５５４は、参照マップを記憶することができる。車両の様々な構成要素は、方法９００および／または１２００を実行することができる。
図２８は、方法１２００を図示し、図９は、方法１２００を使用するときに得られる推奨される運転速度の例を図示する。
方法１２００は、車両の前方にある経路に対する推奨運転パラメータを計算するためのものである。運転パラメータは、例えば、速度、スロットル位置、及びギアを含むことができる。
方法１２００は、少なくとも部分的に、車両プロファイル、経路部分の傾斜、および最大速度制限、周囲気象などの外因性制約に基づく。
方法１２００は、経路を部分に仮想的にセグメント化するステップ１２１０から開始することができる。各部分は、実質的に同じ傾斜および実質的に同じ外因性制約の１つまたは複数の経路区間を含むことができる。経路区間は、道路経路パラメータの微小単位であってもよい。道路区間は、例えば、１～５０メートルの長さであってもよいが、他の長さを有する可能性がある。
ステップ１２１０の後には、車両プロファイルおよび部分の勾配と外因性制約に基づいて、将来の経路のための推奨される運転パラメータを計算するステップ１２２０が続くことができる。
この計算は、勾配および外因性制約に基づいて、その部分の最適速度を見つけるステップ１２２２を含むことができる。速度は、最小の燃料消費を提供するように選択されてもよく、経路全体にわたって最も速い通過をもたらしてもよく、および／または任意の他の制約に応答してもよいという意味で最適であってもよい。
この計算は、隣接する部分に関連する駆動パラメータに基づいて、その部分の開始時に固定加速期間を開始する部分運転プロファイル、最適速度での一定速度部分、およびその部分の終了時のアイドル減速を評価するステップ１２２４を含むことができる。
ステップ１２２０は、パットの終わりから始まり、車両が最後の区間の終わりにアイドル状態になると仮定して、バックプロパゲーティング方式で実行することができる。次いで、方法は、最適な速度に達するまで固定された加速期間で開始し、次いで、最後の部分の終わりで車両を停止させるためにアイドル減速を実行することによって、最後の部分を運転することができるかどうかを検査することを試みることができる。これは、前の部分の限界および外因性制約を考慮に入れるべきである。
バックプロパゲーティングは、先行部分および／または後続部分に関連するパラメータに基づいて、部分を通る運転プロファイルを決定することを含むことができる。
図２９において、経路は、第１の部分Ｐ１ １２４１と、第２の部分Ｐ２ １２４２と、第３の部分Ｐ３ １２４３と、第４の部分Ｐ４ １２４４と、第５の部分Ｐ５ １２４５とを含む。
各部分は、複数の経路区間を含むことができる。
第１の部分Ｐ１ １２４１は、異なる勾配を有する経路区間をほとんど含まないが、勾配は実質的に同じである。（ドライブセッションを計算するための）第１の部分Ｐ１ １２４１に割り当てられた勾配は、勾配１ １２４１‘と示され、第１の部分の経路区間の任意の勾配および／または高さの変化を反映することができる。
第３の部分Ｐ３ １２４３および第４の部分Ｐ４ １２４４は同じ勾配を有するが、異なる最大速度限界Ｖ２対Ｖ１に関連する。
提案された速度は、図９の下部に示されており、所望の運転プロファイル（台形形状プロファイル）を第４の部分から後方に逆伝播（バックプロパゲート）させることによって計算された。
第１の部分の運転プロファイルは、固定加速度ＳＶ１ １２５１によって開始され、その後、固定速度巡航ＳＶ２ ２１５２が続く。この例では第１の部分が正の勾配を含み、アイドル減速は第２の部分の間に不必要な加速を必要とするように車両の速度を減少させる。
第２の部分の運転プロファイルは、固定加速度ＳＶ３ １２５３から始まり、その後に固定速度巡航ＳＶ４ １２５４が続き、アイドル減速度ＳＶ５ １２４５で終わる。
第３の部分の駆動プロファイルは、固定速度巡航ＳＶ６ １２５６から始まり、アイドル減速ＳＶ７ １２４７で終わる。第３および第４の区間は、負の勾配を有し、車両は第３の部分の終わりに最大速度限界に達し、ここでは、固定された加速度で第４の部分を開始する必要はない。第４の部分の最大速度限界は、第３の部分の最大速度限界よりも低く、比較的長いアイドル減速期間が第３の部分の終わりに必要とされる。
第４の部分の運転プロファイルは、固定速度巡航ＳＶ８ １２５８によって開始し、アイドル減速ＳＶ９ １２４９で終了する。
第５の部分の運転プロファイルは、固定速度巡航ＳＶ１０ １２５０によって開始し、アイドル減速ＳＶ１１ １２５１で終了し、その結果、経路の終わりで、車両は動いていない。
経路は、異なる開始条件および終了条件に関連付けられてもよく、例えば、車両は、経路の終了時にアイドル（動いていない）状態でなくてもよいことに留意されたい。
重量
車両の重量は、様々な経路区間において車両によって消費されるエネルギーと、燃料消費によって得られるエネルギーとに基づいて評価することができる。
車両の重量は、モータ効率関数に関連する仮定および燃料消費測定に関連する燃料消費誤差に基づいて評価することができる。モータ効率関数は、消費燃料と出力（機械的）エネルギーとの関係を表す。
評価プロセスは、評価重量を計算するために使用された１つまたは複数の仮定が評価重量が与えられた場合に再評価され得る反復的な方法で実行され得る。同じ反復アプローチを、モータ効率関数の推定および／または燃料消費誤差に適用することができる。
重量の評価プロセスおよび／または任意の推定プロセス（推定重量に基づく）は、任意の複雑さで、および／または任意のコンピュータ化されたシステムによって、車両コンピュータまたは車外サーバまたはコンピュータのいずれかによって行うことができる。例えば、車外コンピュータは、まず、膨大な数（数千以上）の測定値を使用してエネルギー係数を評価することができる。車両コンピュータは、最初に評価されたエネルギー係数を受信し、それらを（車両センサによって得られたより多くの測定値に加えて）使用して、車両の重量推定値を（リアルタイムでさえ）更新することができる。
エネルギー係数、モータ効率関数値、および／または特定の車両に関連する燃料消費誤差値の初期推定値または他の推定値は、同じクラスの車両に属する車両の挙動に基づくことができる。車両のクラスは、同じモデル、同じ製造業者、および／または同じ製造年の車両であってもよい。追加的に又は代替的に、車両は、車両の重量測定値に基づいて分類および／または再分類されてもよい。
評価プロセスは、エネルギー係数の値、モータ効率関数値、および／または燃料消費誤差値の複数の組み合わせを調べることができる。
任意の検索プロセスを適用することができる。組み合わせのセット全体が評価されてもよいし、組み合わせのセット全体の一部のみが評価されてもよい。
検索プロセスは、経路区間に関連する品質特性を考慮に入れることができる。品質特性は、経路区間に関連する測定値をフィルタリングするために使用されてもよく、および／または別の方法で使用されてもよい。
例えば、車両の重量は、燃料消費によって得られる仕事とエネルギーの評価に基づいて評価することができる。
車両の重量は、学習期間（または学習期間）中に評価されてもよい。学習期間中、被監視車両は複数の経路を通過する。複数の経路は、経路区間に区間化することができる。
燃料消費によって得られる仕事とエネルギーは、それぞれの経路区間ごとに推定することができる。
燃料消費による仕事とエネルギーは、次の６つの要素で表すことができる：
ｍ（ｖ_２ ^２－ｖ_１ ^２）／２ －燃料が運動エネルギーに転換される
ｍｇΔｈ －燃料が高度ポテンシャルエネルギーに転換される
ｋ_１ｘ － 摩擦に転換されたエネルギーを表す
ｋ_２ｍｘ － 摩擦（重量の影響）に転換されたエネルギーを表す
ｋ_３ｘｖ^２ －摩擦（抗力）に転換されたエネルギーを表す
ｋ_４ｍｘｖ^２ －摩擦（重量を含む）に転換されたエネルギーを表す
式の側では、車両のエンジンから出力されるエネルギー、エンジンの非効率性によるエネルギー損失を考慮に入れる：ａｍｅ・ｆｅ・ｆｕｅｌ －燃料エネルギーを表す。
平衡方程式（エネルギー＝ポテンシャル利得＋損失）を用いる：
ａｍｅ・ｆｅ・ｆｕｅｌ ＝ ｍ（ｖ_２ ^２－ｖ_１ ^２）／２ ＋ ｍｇΔｈ ＋ ｋ_１ｘ ＋ ｋ_２ｍｘ ＋ ｋ_３ｘｖ^{２ ＋} ｋ_４ｍｘｖ^２
車両の質量を抽出することができる：

【数15】

質量推定値は、重量推定値（重量＝質量×ｇ）に変換することができる。
エネルギー係数値の値は、任意の範囲にわたって、任意の分解能で評価することができる。例えば、ｋ１は、０～１万の範囲であってもよく、１０００（０、１０００、２０００、３０００．．．）の分解能（ステップ）で評価されてもよく、ｋ２、ｋ３およびｋ４のそれぞれは０～１の範囲であってもよく、０．０１（０、０．０１、０．０２、０．０３．．．）の分解能で評価されてもよい。
検索プロセスは、複数の経路区間についての重量推定値を計算することを含むことができる。複数の経路区間は、学習期間中に車両が通過したすべての経路のすべての経路区間、または経路区間のいくつかのみを含むことができる。
経路区間は、不十分な品質などの１つまたは複数の理由のために無視（フィルタ除去）することができる。
経路区間および／または品質特性のフィルタリングおよび／または割り当ての非限定的な例を以下に示す。
経路区間は、（時間的に）比較的短くてもよく、例えば、半分（０．５分）未満であってもよい。経路の持続時間は、少なくともいくつかの変数が経路区間全体の間実質的に一定であり、単一のドライブセッション内に十分な有効経路区間を有することを期待して、十分なデータを得る必要性との間のトレードオフである。経路区間が長ければ長いほど、品質は高くなる。
車両が降下した経路区間を無視する（または低品質を割り当てる）ことにより、制動損失を回避し、そのような経路区間では燃料がエンジンから遮断されるためである。
モータ回転数／分（ＲＰＭ）－ＲＰＭ差（経路区間の開始と終了との間）が大きいほど、品質が高くなる。
より大きな運動量を有する経路区間に、より高い品質を割り当てる（運動量は、経路区間の終わりにおける速度の二乗と経路区間の始まりにおける速度の二乗との間の差である）。（５０［ｍ＾２／秒＾４］のような運動量閾値未満の）不十分な運動量は、無視され得るか、または非常に低い品質を割り当てられ得る）。
速度が特定の速度しきい値（たとえば、約７０Ｋｍ／ｈを超える）を超えた経路区間を無視する（または低品質を割り当てる）。これは、量子化誤差によるものである。
全燃料消費率が閾値（例えば３［Ｌ／時］）を下回る経路区間を無視する（または低品質を割り当てる）。
車両のより急な上昇を含む経路区間に、より高い品質レベルを割り当てる。
車両の実質的な重量変化を可能にするのに十分な長さの停止を１つの経路に含めないようにする。例えば、５００キログラムの物品を降ろすことが２分間続く場合、少なくとも２分の長さであるそのような停止の発生は、２つの経路区間の間の境界をマークすることができる。
提案された重量評価は正確であり、限られた計算資源を必要とすることがある。提案された重量評価は、車両センサによって実行される測定の不正確さを補償（補正）し、低コストの限られた精度のセンサを使用することを可能にする。
図３０は、方法１００”を示す。
方法１００”は、以下の式に従って、エネルギー係数値の異なる組み合わせに対する、および複数の経路区間の各経路区間に対する（特定のモータ効率関数および特定の燃料消費誤差補正関数を仮定した）重量推定値を決定するステップ１１０”から開始することができる。

【数16】

ここで、「ａｍｅ」は推定モータ効率関数の値であり、ｖ_２は経路区間の終点における車両の速度であり、ｖ_１は経路区間の始点における車両の速度であり、ｖは経路区間上を走行するときの車両の速度の少なくとも１つの値（例えば、平均速度）を表し、ｘは経路区間の長さであり、Δｈは経路区間の終点と始点との間の高さの差であり、ｆｕｅｌは、経路区間に関連する誤差補正燃料消費量である。
ステップ１１０”は、複数の重量推定値を提供する。
車両の推定重量を決定するために複数の重量推定値を分析するステップ１２０”は、ステップ１１０”の後に続くことができる。
分析は、エネルギー係数値の複数の組合せを評価することを含むことができる。エネルギー係数値の複数の組み合わせは、エネルギー係数値の全ての可能な組み合わせ、又はエネルギー係数値の全ての可能な組み合わせのサブセットのみをカバーすることができる。どの組み合わせを評価するかを選択する任意の方法を提供することができる。
ステップ１２０”は、以下のうちの少なくとも１つを含むことができる。
（複数の組み合わせのうちの）エネルギー係数値の各組み合わせについて：
重量推定に関連する分布（配分）を計算する。分布（配分）は、エネルギー係数値の組み合わせを、複数の経路区間について受信された入力に適用することによって提供されてもよい。分布（配分）は重量推定値の分布（配分）とすることができ、経路区間の品質特性に応答する分布と（配分）することができ、経路区間の品質特性を無視する分布（配分）とすることができ、十分な品質の経路区間に関する情報のみを含むことができ、重量推定値の範囲に関連するビンに属する重量推定値の品質特性を表す値の分布とすることができ、重量推定値の範囲に関連するビンに属する重量推定値の品質特性の合計の値の分布とすることができる。例えば、分布が重量分布である場合、このステップは、複数の経路区間の各経路区間について、組合せを使用して重量推定値を計算することを含むことができる。
１つ以上のクラスタを見つける（分布のそれぞれについて）。例として、車両の重量が学習期間中に変更されなかった場合、単一のクラスタを受信することが期待される。車両の典型的で区別可能な重量の数（エンプティまたはフルの場合）は、クラスタの数を決定することができる。
クラスタの１つまたは複数の統計パラメータを決定する。例えば、統計的変動、クラスタの幅などである。
エネルギー係数値の異なる組み合わせ（異なる分布（配分）に関連する）の中から、エネルギー係数値の選択された組み合わせを選択する。選択は、エネルギー係数パラメータの選択された組合せに関連する分布のクラスタの１つまたは複数の統計パラメータに基づく。例えば、エネルギー係数値の選択された組み合わせは、最も統計的に有意なクラスタを有する分布（配分）を提供することができる。
エネルギー係数の選択された組合せを車両の評価された重量として使用するときに提供される重量推定値を使用する。重量推定値は、１つまたは複数の経路区間の重量推定値のうちの１つとすることができ、（エネルギー係数の選択された組合せを使用する場合に）異なる経路区間に関連する異なる重量推定値を表す（例えば、平均、中央値、または任意の他の表現とすることができる）などとすることができる。
ステップ１２０”は、経路区間の品質特性に反応することができる。例えば、重量推定値の分布は品質特性を表すことができ、および／または不十分な品質の経路区間を無視することができる。
ステップ１２０”の後に、車両の評価された重量に応答するステップ１３０”が続く。
ステップ１３０”は、１つ以上のステップを含むことができる。
自律車両アプリケーションの更新。
先進運転支援システム（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍｓ （ＡＤＡＳ））アプリケーションの更新。
推定された重量を車両の運転者または別のエンティティ（車両管理者など）に報告する。
評価された車両重量を用いて、モータ効率関数を検証またはより良好に推定する。
車両の評価された重量を使用して、特定の燃料消費誤差補正関数を検証またはより良好に推定する。
車両を特定のクラスの車両に分類する。
エネルギー係数値の選択された組合せと、車両によって得られた将来の測定値とを使用して、車両の将来の重量をリアルタイムで（車両コンピュータによっても）計算する。
方法１００”は、専用の車両スケール等のような専用の高価な重量センサを使用することなく、車両の高精度な推定を提供する。高度に正確な重量推定は、車両の重量の測定に必要な資源を劇的に減少させる。この方法は、制約された機械学習および制約されていない機械学習を使用することができ、コンピュータ化されたリソースの使用に関して非常に効率的である。膨大な数の測定値および読み取り値をチェックすることによって、本方法は、不正確さを除去することができる。
図３１は、車両（トラック１００など）と学習期間中に車両が走行する複数の経路１１６０”を示す。学習期間は、数時間、数日、数週間、数ヶ月、数年などにわたることができる。
経路は、経路区間に区間化することができる。経路区間は、異なる長さであってもよく、等しい長さであってもよい。
図３２は、モータ効率関数１１００の近似１１００の一例を示す。図３２において、ｘ軸はＲＰＭを表し、ｙ軸は平均モータ効率を表す。
近似１１００は、３つの頂点（１１０１、１１０２、および１１０３）と、２つのエッジ１１０４および１１０５とを含む。近似１１００のピークは頂点１１０２である。エッジ１１０４は、頂点１１０１および１１０２をリンクする。エッジ１１０５は、頂点１１０２および１１０３をリンクする。
近似１１００は、係数ａ_１、ａ_２およびａ_３のようなモータ効率関数値によって、コンパクトな方法で表されてもよい。係数ａ_３は、頂点１１０２の値とすることができる。係数ａ_１は、エッジ１１０５の傾きの逆数であってもよい。係数ａ_２は、エッジ１１０４の傾きの逆数とすることができる。
近似の任意の他の表現を使用することができる。
モータ効率関数はギアに反応することができ、モータ効率関数は、ギア当たりの係数のセットによって表すことができることに留意されたい。
図３３は、４８個の係数を含むテーブル１１５０を示し、１６個のギアのうちのそれぞれ１つにつき３つの係数、すなわち、ａ_１，１からａ_１６，３を含む。
図３４は、モータ効率関数１１００の非線形近似１１１１の例を示す。
図３５は、燃料消費誤差補正関数の概算１１４０の一例である。
燃料消費誤差補正関数は、燃料消費量測定値の誤差を訂正する。
図３５は、６つの区間を含む線形近似を示す。６つの区間は、ｆ１、ｆ２、ｆ３、ｆ４、ｆ５およびｆ６ １１４１～１１４６で示される開始値を有する。
図３６は、重量推定に関連する分布のヒストグラム１１２０を示す。
ヒストグラムは、重量範囲に関連する複数のビンを含む。各ビンの値は、同じ重量範囲に関連する経路区間の品質特性の合計である。
図３６は、２つの別個のクラスタ１１２１および１１２２を示す。
図３７は、重量推定に関連する分布のヒストグラム１１３０を示す。
ヒストグラムは、重量範囲に関連する複数のビンを含む。各ビンの値は、同じ重量範囲に関連する経路区間の品質特性の合計である。
図３７は、２つの別個のクラスタ１１３１および１１３２を示す。
図３８は、方法２００”を示す。
方法２００”は、以下の式に従って、（ｉ）エネルギー係数値の異なる組み合わせについて、（ｉｉ）複数の経路区間の各経路区間について、（ｉｉｉ）異なるモータ効率関数値について、および（ｉｖ）異なる燃料消費誤差補正関数値について、重量推定値を決定するステップ２１０”から開始することができる。

【数17】

ステップ２１０”は、（ｉ）エネルギー係数値の異なる組み合わせについて、（ｉｉ）複数の経路区間の各経路区間について、および（ｉｉｉ）異なるモータ効率関数値（特定の燃料消費誤差補正関数が与えられる）について、重量推定値を決定することを含み得ることに留意されたい。
代替的に、ステップ２１０”は、（ｉ）エネルギー係数値の異なる組み合わせについて、（ｉｉ）複数の経路区間の各経路区間について、および（ｉｉｉ）異なる燃料消費誤差補正関数値（特定のモータ効率関数が与えられる）について、重量推定値を決定することを含むことができる。
ステップ２１０”は、複数の重量推定値を提供する。
車両の推定重量を決定するために複数の重量推定値を分析するステップ２２０”は、ステップ２１０”の後に続くことができる。
ステップ２２０”は、以下のうちの少なくとも１つを含むことができる：
エネルギー係数値の組み合わせ毎に、各燃料消費誤差補正関数値と各モータ効率関数値とが設定される。
重量推定に関連する分布（配分）を計算する。分布は、エネルギー係数値の組み合わせを、複数の経路区間について受信された入力に適用することによって提供されてもよい。分布は重量推定値の分布とすることができ、経路区間の品質特性に反応する分布とすることができ、経路区間の品質特性を無視する分布とすることができ、十分な品質の経路区間に関する情報のみを含むことができ、重量推定値の範囲に関連するビンに属する重量推定値の品質特性を表す値の分布とすることができ、重量推定値の範囲に関連するビンに属する重量推定値の品質特性の合計の値の分布とすることができる。
１つ以上のクラスタを見つける。例として、車両の重量が学習期間中に変更されなかった場合、単一のクラスタを受信することが期待される。車両の典型的で区別可能な重量の数（エンプティまたはフルの場合）は、クラスタの数を決定することができる。
クラスタの１つまたは複数の統計パラメータを決定する。例えば、統計的変動、クラスタの幅などである。
異なる組み合わせのエネルギー係数値、異なる燃料消費誤差補正関数値、および異なるモータ効率関数値（異なる分布に関連する）から、選択された組み合わせのエネルギー係数値、燃料消費誤差補正関数値、および異なるモータ効率関数値を選択する。選択は、クラスタの１つまたは複数の統計パラメータに基づく。例えば、エネルギー係数値、燃料消費誤差補正関数値、及び異なるモータ効率関数値の選択された組み合わせは、最も統計的に重要なクラスタを提供することができる。
エネルギー係数、燃料消費誤差補正関数値、および異なるモータ効率関数値の選択された組合せを使用するときに提供される重量推定値を、車両の評価重量として使用する。重量推定値は、１つまたは複数の経路区間の重量推定値のうちの１つとすることができ、（エネルギー係数の選択された組合せを使用する場合に）異なる経路区間に関連する異なる重量推定値を表す（例えば、平均、中央値、または任意の他の表現とすることができる）などとすることができる。
ステップ２２０”は、経路区間の品質特性に反応することができる。例えば、重量推定値の分布は品質特性を表すことができ、および／または不十分な品質の経路区間を無視することができる。
ステップ２２０”の後に、車両の評価された重量に応答するステップ２３０”が続く。
ステップ２３０”は、１つ以上のステップを含むことができる：
自律車両アプリケーションの更新。
Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍｓ （ＡＤＡＳ）アプリケーションの更新。
推定された重量を車両の運転者または別のエンティティ（車両管理者など）に報告する。
評価された車両の重量を使用して、モータ効率関数を検証するか、またはより良く推定する。
車両の評価された重量を使用して、特定の燃料消費誤差補正関数を検証またはより良好に推定する。
車両を特定のクラスの車両に分類する。
図３９は、方法３００”を示す。
方法３００”は、車両センサによって車両のドライブセッションに関する車両センサ測定値を学習期間中に取得するステップ３１０”によって開始することができる。
車両センサ測定値は、ドライブセッションに関連する経路の高さ測定値、ドライブセッションに関連する燃料消費量測定値、ドライビングセッションに関連する道路区間の長さ測定値を含むことができる。
ステップ３１０”の後に、車両センサ測定値に基づいて車両の評価重量を計算するステップ３２０”が続く。
計算は、車両によって浪費されたエネルギーを示すエネルギー係数の値に基づいている。係数の非限定的な例は、上述のｋ１、ｋ２、ｋ３、およびｋ４である。
ステップ３２０”は、モータ効率関数および燃料消費量誤差補正関数のうちの少なくとも１つを見つけることを含んでもよい。
ステップ３２０”は、少なくとも１つの事前定義された統計的有意性基準を満たす車両の重量推定に関連する少なくとも１つの分布を提供するエネルギー係数の値を検索することを含み得る。
所定の統計的有意性基準は、最大統計的有意性であってもよく、重量推定分布の少なくとも１つの最小標準偏差であってもよい
ステップ３２０”は、以下のステップのうちの少なくとも１つを含むことができる。
経路のセットの複数の経路区間について、車両の評価された重量を決定することによって、エネルギー係数の値を評価する。
以下の式に従って、複数の経路区間の各経路区間の重量推定値を決定する。

【数18】

ステップ３２０”は、以下の少なくとも１つを含んでもよい。
複数の経路区間の各経路区間について、およびエネルギー係数の異なる値について、重量推定値を決定する。
エネルギー係数の異なる値および異なるモータ効率関数値についての、複数の経路区間の各経路区間の重量推定値を決定する。
エネルギー係数の異なる値および異なる燃料消費誤差補正関数値についての、複数の経路区間の各経路区間の重量推定値を決定する。
エネルギー係数の異なる値、異なるモータ効率関数値、および異なる燃料消費誤差補正関数値に対する、複数の経路区間の各経路区間の推定値を決定する。
品質特性を各重量推定値に関連付ける。
品質特性を各重量推定値に関連付け、車両の重量推定値に関連する少なくとも１つの分布は、各重量推定値に割り当てられた品質特性に反応する。
品質特性を各重量推定値に関連付け、車両の重量推定値に関連する少なくとも１つの分布は、ヒストグラムであり、ヒストグラムはビンを含み、各ビンは重量推定範囲に関連付けられ、ビンに属する重量推定の品質特性を表す値を有する。
品質特性を各重量推定値に関連付け、車両の重量推定値に関連する少なくとも１つの分布は、ヒストグラムであり、ヒストグラムはビンを含み、各ビンは重量推定範囲に関連付けられ、ビンに属する重量推定の品質特性の合計を表す値を有する。
車両センサ測定値の少なくともいくつかに品質特性を割り当てる。
品質特性を、特定の経路区間の開始時および終了時における車両の速度に関連する差に基づいて、特定の経路区間に関連する車両センサ測定値に割り当てる。
特定のドライブセッション中の車両の最大速度に基づいて、特定の経路区間に関連する車両センサ測定に品質特性を割り当てる。
車両が下降した経路区間で得られた車両センサ測定値を無視する。
ステップ３２０”の後に、車両の評価された重量に応答するステップ３３０”が続く。
方法１００”、２００”および３００”の任意の方法は、イベントなどに応答して、周期的に、周期的ではない反復的な方法で、いつでも、１回実行されてもよい。例えば、方法（または方法のうちの少なくとも１つ）は、車両の摩耗などの変化を補償するために、２ヶ月（または他の期間）ごとに実行されてもよい。
方法のいずれか１つは、１つまたは複数の実際の重量測定値を受信するか、さもなければ取得することができ、車両の１つまたは複数の実際の重量測定値を考慮に入れることができる。
たとえば、エネルギー係数の任意の組み合わせ（および／またはモータ効率関数および／または燃料消費誤差補正関数に関連する任意の値）の選択は、１つまたは複数の実際の重量測定値を考慮に入れることができる。
したがって、方法１００”、２００”および３００”のいずれか１つは、制約付きまたは非制約付き学習プロセスとすることができる。制約は、１つ以上の実際の重量測定である。
例えば、選択は、１つ以上の実際の重量測定値及び少なくとも１つの所定の統計的有意性基準に反応するコスト関数を適用することを含んでもよい。例えば、エネルギー係数（および／または、モータ効率関数および／または燃料消費誤差補正関数に関連する任意の値）の組み合わせを見つけると、一旦適用されると、１つまたは複数の実際の重量測定値に最も近く、最大の統計的有意性を有するクラスタ（例えば、最も狭いクラスタ）が得られる。
任意の１つまたは方法１００”、２００”および３００”は、機械学習プロセス、特に深層学習プロセスを適用することを含むことができる。
学習期間は、測定が行われる任意の期間とすることができ、測定値は、車両の重量を推定するために使用することができる。
図４０は、車両５１と、ネットワーク１０７０と、コンピュータ化されたシステム１０８０とを示す。
車両５１は、センサ１０４０などの車両センサ、メモリモジュール１０３０、プロセッサ１０１０を含む車両コンピュータ１０２０、マンマシンインターフェース１０５０、通信モジュール１０６０、および車輪Ｗ１～Ｗ４ ５０１～５０４を含むことができる。
マンマシンインターフェース（ＭＭＩ）１０５０は、スクリーン、ホログラフィックスクリーン、スピーカ、カメラ、オーディオシステムおよび／またはオーディオビジュアルシステム、キーボードなどを含むことができる。
車両５１は、どのような種類の車両であってもよい。
センサ１０４０は、少なくとも速度センサ、高さセンサ、距離センサ、および燃料消費センサを含むことができる。
センサ１０４０は、ドライブセッションに関連する経路の高さ測定値、（ｂ）ドライブセッションに関連する燃料消費測定値、（ｃ）ドライブセッションに関連する道路区間の長さ測定値を提供するように構成される。
センサ１０４０は例えば、加速度計、速度計、温度計、窓状態センサ、空気状態モジュール／ファン状態センサ、エンジンセンサ（燃料消費センサなど）、または任意の他のセンサのうちの少なくとも１つを含むことができる。
車両コンピュータ１０２０は、車両の様々な構成要素および／またはシステムの状態を監視することができ、車両の様々な構成要素および／またはシステムを制御することができ、本明細書に示す方法のいずれかの実行に（プロセッサ１０１０を使用して）関与することができる。
通信モジュール１０６０は、ネットワーク１０７０を介してコンピュータ化システム１０８０と通信することができる。
通信モジュール１０６０は、近距離通信モジュール、無線周波数通信モジュールなどの長距離通信モジュール、衛星通信モジュール、セルラー通信ネットワークなどとすることができる。
車両コンピュータ１０２０は、プロセッサおよびメモリユニットを含むことができる。プロセッサはハードウェアコンポーネントを含むことができ、汎用プロセッサ、画像プロセッサ、ハードウェアアクセラレータ、ＦＰＧＡ、ＡＳＩＣなどとすることができる。メモリユニットは、不揮発性メモリであってもよい。
コンピュータ化システム１０８０は、クラウドコンピューティング環境に配置され、１つまたは複数のサーバまたはコンピュータの任意の組合せを含むことができる。
処理、計算等（及び本出願に示されている）を含む任意のステップは、車両コンピュータ１０２０、プロセッサ１０１０、および／またはコンピュータ化システム１０８０によって実行することができる。
図４１は、車両５１と、ネットワーク１０７０と、コンピュータ化されたシステム１０８０とを示す。図１２では、プロセッサ１０１０は車両コンピュータ１０３０に含まれていない。車両コンピュータ１０３０は、上述の方法のいずれかの実行に関与しても、関与しなくてもよい。
図４２は、車両５１と、ネットワーク１０７０と、コンピュータ化されたシステム１０８０とを示す。
図４２では、センサ１０４０が燃料消費センサ１０４１と、加速度計１０４５と、気圧計１０４６と、４輪速度センサＷＳ５１１～５１４とを含む。
限られた数のエネルギー係数と、モータ効率関数および燃料消費誤差補正関数のコンパクトな表現とに基づいて車両を特徴付けることは、ストレージ資源の点で非常に効率的である。
図４３は、方法６００”を示す。
方法６００”は、車両コンピュータ（車両内に配置された任意のコンピュータ）によって実行することができる。
方法６００”は、車両によって浪費されるエネルギーを示すエネルギー係数の値を受信するステップ６１０”を含むことができ、エネルギー係数の値は、少なくとも部分的に車両の車両センサによって取得された車両センサ測定値に基づいて計算され、車両センサ測定値は車両のドライブセッション中に取得され、車両センサ測定値は、（ａ）ドライブセッションに関連する経路の高さ測定値と、（ｂ）ドライブセッションに関連する燃料消費測定値と、（ｃ）ドライブセッションに関連する道路区間の長さ測定値と、（ｄ）ドライブセッションに関連する速度測定値とを含む。
ステップ６１０”はまた、（ｉ）車両のモータ効率関数に関する情報を受信すること、および（ｉｉ）車両の燃料消費誤差補正関数に関する情報を受信することのうちの少なくとも１つを含むことができる。
ステップ６１０”の後には、新しいドライブセッション中に、および車両センサによって、新しいドライブセッションに関連する新しい車両センサ測定値を取得するステップ６２０”が続くことができる。
ステップ６２０”の後には、エネルギー係数の値および新しい車両センサ測定値に基づいて、車両コンピュータによって車両の重量を計算するステップ６３０”が続くことができる。
計算は、（ｉ）車両のモータ効率関数に関する情報、および（ｉｉ）車両の燃料消費誤差補正関数に関する情報のうちの少なくとも１つに応答することもできる。
モータ効率関数に関する情報は、コンパクトであってもよい。これは、モータ効率関数係数を含むことができる。そのような係数の様々な例は、上記の本文で提供される。
燃費誤差補正機能に関する情報は、コンパクトであってもよい。これは、燃料消費誤差補正関数係数を含むことができる。そのような係数の様々な例は、上記の本文で提供される。
ステップ６３０”は、リアルタイムで、例えば、数秒以内、１分未満、数分以内などに実行されてもよい。
方法６００”は、新しいドライブセッションに関連する新しい車両センサ測定値を送信することを含んでもよい。これらの新しい測定は、エネルギー係数の以前に提供されたｃ値を精緻化、更新、および／または検証するために使用されてもよい。
ステップ６３０”は、以下の式を適用することによって、新しいセッションの新しい経路区間の重量を計算することを含むことができる。

【数19】

ここで、エネルギー係数の群は、ｋ_１、ｋ_２、ｋ_３およびｋ_４から構成される。
ａｍｅは推定モータ効率関数の値である。
ｖ_２は、新たな経路区分の終点における車両の速度である。
ｖ_１は、新しい経路区間の始点の車両の速度である。
ｖは、新しい経路区間を走行するときの車両の速度の少なくとも１つの値を表す。
ｘは、新しい経路区間の長さである。
Δｈは、新しい経路区間の終点と始点の間の高さの差である。
ｆｕｅｌは、新しい経路区間に関連する誤差補正燃料消費である。
少ないセンサ読取値と限られた数のエネルギー係数を用いて、車両の実重量をリアルタイムで計算し、モータ効率関数と燃料消費誤差補正関数をコンパクトに表現することは、ストレージ資源とコンピュータ化資源の点で非常に効率的である。
グリップ
車両および経路区間に関連するグリップを決定するためのシステム、方法、およびコンピュータプログラム製品を提供することができ、この決定は、経路のパラメータならびに車両のパラメータを考慮に入れる。
以下の例のいくつかは、車両が４つの車輪を含むと仮定する。なお、車輪の数は４つと異なっていてもよい。
グリップイベントは、車両が受けるイベントであり、経路区間のグリップの推定のための情報を提供することができる。グリップイベントの非限定的な例には、ブレーキングイベント、車両のターン（旋回）、障害物の通過、および所定の車両速度への到達が含まれる。説明を簡単にするために、以下の実施例のいくつかは、ブレーキングイベントであるグリップイベントに言及する。
以下の例では、「正規化」が特定の車両および／または特定のグリップ関連測定に影響を及ぼす可能性がある他の状況に固有のパラメータを補償（補正）することを含む。非正規化は、正規化プロセスを逆にする。
複数の車両は、経路区間を通過することができ、正規化されたグリップ関連情報を計算することができる。コンピュータ化されたシステムは、複数の車両から正規化されたグリップ関連情報を受信することができる。
経路区間は、長さ数センチメートルから長さ数メートルの間、さらにはそれ以上であり得る経路の区間（セグメント）であり得る。単一の経路区間に沿ったグリップは、同じであってもよいし、わずかにずれていてもよい。
コンピュータ化されたシステムは、正規化経路区間グリップ情報を計算することができ、正規化経路区間グリップ情報を車両に送信することができる。
正規化経路区間グリップ情報は、クラウドソーシング、ビットデータ技術、機械学習、および／または任意の他の技術を使用して計算され得る。
複数の車両から正規化経路区間グリップ情報を取得し、処理することにより、経路区間グリップ情報の計算の精度を高めることができる。さらに、複数の車両から正規化された経路区間グリップ情報を取得し、処理することは、経路区間を通過しなかった車両の経路区間グリップ情報を提供することを支援することができる。
車両は車両パラメータを監視することができ、現在の車両パラメータが与えられると、正規化経路区間グリップ情報を非正規化して、経路区間のグリップパラメータを反映することができる実際の経路区間グリップ情報を提供することができる。
経路区間グリップ情報は、経路区間のグリップレベル、残留グリップなどを含むことができる。
図４４は、方法２１００の一例を示す。
方法２１００は、車両コンピュータ（車両内に位置するコンピュータ）によって、車両の外部に位置するコンピュータ化されたシステムによって、またはその両方によって実行することができる。車両コンピュータによる方法２１００の実行は、車両から送信される情報量を低減する。
方法２１００は、複数の車両車輪の車輪速度を監視するステップ２１１０によって開始することができる。
任意の車輪センサを使用することができる。特に、車輪ごとに車輪速度センサを割り当てることができる。
ステップ２１１０の後に、車両速度推定値を計算するステップ２１２０が続くことができる。推定値は、複数の車輪速度センサからの車輪速度信号に基づくことができる。
ステップ２１２０の後に、グリップイベントを検出するステップ２１３０が続くことができる。グリップイベントは車両速度を監視することによって検出することができるが、１つまたは複数の車輪の速度を監視することによって検出することができる。
図４４はグリップイベントの３つの例、すなわち、ブレーキングイベント２１３１、高速イベント２１３２（例えば、ある速度、例えば、８０ｋｍ／ｈに達する）、およびターン（旋回）２１３３を示す。他のグリップイベントが検出されてもよい。例えば、図５３に示すように、グリップイベントは障害物を通過することができる。
ステップ２１３０の後に、励振を計算するステップ２１４０と、スリップ率を計算するステップ２１５０とが続く。
スリップ率は車輪毎に計算することができ、車速と車輪速度との間の関係である。ステップ２１５０の間、車輪速度にハイパスフィルタを適用することができる。
ステップ２１４０および２１５０の後に、複数の車両ホイールの励振およびスリップ率を正規化し、正規化された励振および正規化されたスリップ率を生成するステップ２１６０が続くことができる。
正規化励振および正規化スリップ率は、通常、グリップの損失を表す励振およびグリップ値からはるかに離れている。例えば、グリップが２０パーセントの励振及び１の励振で失われると仮定すると、正規化励振は半分を超えず、正規化スリップ率は１０パーセント未満である。
方法２１００は、これらの正規化励振および正規化スリップ率に基づいて、残留グリップを推定することを含んでもよい。
例えば、本方法は関連するスリップ曲線を見つけることによって残留グリップを推定し、現在のグリップと関連するグリップ曲線に関連するグリップ損失点とを比較することによって残留グリップを計算することができる。
ステップ２１６０の後に、正規化励振および正規化スリップ率に基づいて、関連するスリップ曲線を決定するステップ２１７０が続くことができる。各スリップ曲線は、スリップ率値と励振値との間のマッピングを含む。ステップ２１７０は、正規化励振および正規化スリップ率を、関連するスリップ曲線に適合させる。
ステップ２１７０は、Ｎ（例えば、２１０）個の可能なスリップ曲線の有限グループから関連するスリップ曲線を選択することができ、および／または有限曲線のスリップ曲線に基づいて新しいスリップ曲線を外挿するか、または別の方法で計算することができる。
ステップ２１８０は、関連するスリップ曲線の決定に応答することを含むことができる。ステップ２１８０は、関連するスリップ曲線情報（関連するスリップ曲線のインデックスまたは他の識別子など）を記憶すること、関連するスリップ曲線を送信すること、実際の経路区間グリップ情報を計算することなどを含むことができる。
図４５は、ステップ２１２０の例を示す。
ステップ２１２０は、以下のステップを含むことができる。
第１～第４車輪速度信号（２１１１～２１１４）の受信または生成。
車輪速度信号２１２０を前処理する。これはローパスフィルタリング車輪速度読み取り値（２１２１）を含んでもよく、ローパスフィルタリングは推定車輪速度に応答してもよい。
車輪速度処理２１２２。
車輪速度処理は、以下のうちの少なくとも１つを含むことができる。
車輪間差検知。２１２３。このステップは例えば、空気圧の変化、タイヤの健康状態の変化などによる、車輪間の長期（数時間を超える）差を検出することを含むことができる。
短期変動を無視する２１２４。短期間は、数秒以下であってもよい。短期変動は、小さなスリップに引き起こされ得る。無視することは、任意の車輪の車輪速度の短期変動中に得られた全ての車輪速度測定値を無視することを含むことができる。
ターンを検出する。２１２５。
補償（補正）された車輪速度の読み取り値を計算する。２１２６。
補償された車輪速度の読み取り値に基づいて車両速度を計算する。２１２７。
ステップ２１２４は、ターンに関連しない車輪速度間の不一致を検出するステップを含んでもよい。ターンが検出された場合、ターン中に測定された車輪速度は、グリップを決定するために処理されてもよい。
ステップ２１２０は、ファクタ（例えば、現在の車輪の車輪速度と基準車輪の車輪速度との間の比）を維持し、このファクタを時間に沿って調整すること（非常にローパスフィルタを有する制御ループのように）を含んでもよい。次に、瞬間ファクタがこのファクタよりもある量（例えば、５パーセント）以上大きい／小さい場合、短期変動が検出される。ステップ２１２０に続いて、本方法はファクタを非常に穏やかに更新し続け（すなわち、非常にローパスフィルタを使用して）、ステップ２１２７中にファクタを使用することができる。
ステップ２１２７は、（ステップ２１２４に示すように、車輪速度の読み取り値を無視した後に）車輪速度を計算し、（基準車輪を除く）すべての車輪速度に係数を適用して、重み付けされた車輪速度を提供し、次に、重み付けされた車輪速度に関数（例えば、これに限定されないが、平均化）を適用して、車両速度を提供することを含むことができる。
図４６は、ステップ２１４０の一例を示す。
ステップ２１４０は、ステップ９１４２および／またはステップ９１４４を含むことができる。
ステップ２１４２は、グリップイベントの少なくとも１つの他の部分に関連する他の車両速度推定値を無視しながら、選択された車両速度推定値を提供するために、グリップイベントの少なくとも１つの部分に関連する車両速度推定値を選択することを含んでもよい。例えば、グリップイベントは数秒続き、複数の車輪速度読み取り値（例えば、毎秒５０から１００までの車輪速度読み取り値）が毎秒得られる。
ステップ２１４２は、いくつかの他の車輪読み取り値を無視しながら、車輪読み取り値のいくつかを選択することを含むことができる。
任意の選択規則を適用することができる。グリップイベントの開始期間中および／またはグリップイベントの終了期間中（例えば、グリップイベントの持続時間の最初の２０パーセントおよび／またはグリップイベントの持続時間の最後の１５パーセント中）に得られる車輪速度読取値を無視する例として、特定の加速値および／または減速値に関連する車輪速度イベントを無視し、加速減速度または速度が定常状態に達するまで待機する（および定常状態読取値を選択する）などが挙げられる。
ステップ２１４４は、時間にわたる選択された車両速度の１つまたは複数の変化に基づいて、およびゼロまたは複数の追加ファクタに基づいて、励振を計算することを含んでもよい。
ゼロまたはそれ以上の追加ファクタを使用して、励振値を正規化することができる。励振値は任意の方法における１つ以上の変化を表すことができ、例えば任意の方法とは、選択された期間の持続時間で割った選択された車両速度推定値を含む、選択された期間中の車両速度の全体的な変化のようなものである。
追加ファクタは、車両の運転および／またはブレーキングパラメータ、（車両が通過した）１つまたは複数の経路区間の勾配などを含むことができる。
ブレーキングパラメータは、車両のブレーキが作動された方法、すなわち、ポンピングまたはポンピングされていない方法、ブレーキペダルの位置のいかなる変化などを反映することができる。例えば、ブレーキングパラメータは、ブレーキペダルの位置の経時的な変化の平均値または最小値または最大値のうちの少なくとも１つを反映することができる。
異なるブレーキングパターン（例えば、パターン２１７１および２１７２）は、異なる励振をもたらし得る。勾配は、経路区間の平均勾配または最小勾配または最大勾配のうちの少なくとも１つによって表すことができる。
図４７は、ステップ２１６０の一例を示す。
ステップ２１６０は、ステップ２１６９を含むことができる。ステップ２１６９の前に、ステップ２１６１、２１６２、２１６３、２１６４、２１６５、２１６６、２１６７、２１６７‘、および２１６８のうちの少なくとも１つを実行することができる。
ステップ２１６１は、気候バイアスを受信することまたは推定することを含んでもよい。気候バイアスは、雨、霧、温度などの気候変化に関連するグリップの変化を表すことができる。気候バイアスは、気候センサ（湿度センサ、気圧計、温度センサなど）によって測定されてもよく、および／または、制限された時間フレーム（例えば、３０分～数時間）内に同じ経路区間に関して複数の車両が経験するグリップレベル間の同様の差を見つけることによって検出されてもよい。
ステップ２１６２は、ホイール有効パッチサイズを受信または推定することを含むことができる。
ステップ２１６４は、タイヤの健康状態を受信又は推定することを含むことができる。タイヤの健康状態は、（平坦なタイヤの場合を除いて）非常にゆっくりと変化することが予想され、長期間にわたって比較的一定のバイアスとして表すことができる。
ステップ２１６６は、車両の重量を受信または推定することを含むことができる。重量推定値の非限定的な例は、２０１７年９月１０日に出願された米国仮特許出願第６２／５５６，４４７号に示されている。
ステップ２１６７は、励振を受信することまたは推定することを含んでもよい。励振は、ステップ２１４０から行うことができる。
ステップ２１６７‘は、グリップを受け取ること、または推定することを含むことができる。
ステップ２１６８は、速度を受信することまたは推定することを含んでもよい。速度は、ステップ２１２０から得ることができる。
ステップ２１６９は、正規化励振および正規化スリップ率を生成するために、複数の車両車輪の励振およびスリップ率を正規化することを含むことができる。正規化は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および励振のうちの少なくとも１つに反応することができる。
正規化は、同じ道路区間を通過するときに異なる車両によって感知された情報を比較すること、および気候バイアス、ホイール有効パッチ、タイヤの健康状態、車両の重量、励振などを補償（補正）することを含むことができる。
図４８は、方法２２００を示す。方法２２００は、車両の外側に配置されたコンピュータ化されたシステムによって、車両コンピュータによって、車両コンピュータとコンピュータ化されたシステムの両方によって、異なる車両の複数の車両コンピュータなどによって実行され得る。
方法２２００は、ステップ２２１０、２２２０、２２３０、および２２４０のうちの少なくともいくつかを含むことができる。
ステップ２２１０は、正規化関数および／または選択規則を学習することを含むことができる。正規化関数は例えば、ステップ２１６９の間に使用される。選択規則は例えば、ステップ２１４２の間に使用される。
ステップ２２１０は、非正規化関数を学習することを含むことができる。非正規化関数は、正規化関数の動作を逆にすることができる。ステップ２２１０は、ドライブセッション中に取得された正規化経路区間グリップ情報を処理することを含み得、ここで、重量、有効パッチサイズ、タイヤの健康、励振、速度および／または気候に関する情報が既知である。正規化関数は、重量、有効パッチサイズ、タイヤの健康状態、励振、速度、および／または気候の異なる値を有するドライブセッションを使用して学習することができる。
ステップ２２２０は、複数の経路区間および複数の車両の複数のドライブセッションに関連する正規化されたスリップ曲線を受信することを含むことができる。
ステップ２２３０は、経路区間と正規化されたスリップ曲線との間のマッピングを構築または更新することを含むことができる。マッピングは、ステップ２２２０中に受信された情報を考慮に入れることができる。ステップ２２３０は、クラウドソーシング、ビッグデータ、機械学習、または任意の他の技法を使用することを含むことができる。
ステップ２２３０は、ステップ２２２０の間に得られた情報を平均化すること（または任意の他の統計関数を適用すること）を含み得る。
ステップ２２４０は、マッピングの少なくとも一部を車両および／またはユーザに配信することを含むことができる。車両が特定の領域に位置する場合、車両は、その領域、１つまたは複数の隣接する領域などに関連する情報を受信することができる。
車両がマッピングを受信した後、車両は、マッピングと、車両および１つまたは複数の経路区間の現在の状態とを使用して、実際の経路区間グリップ情報を提供することができる。
図４９は、方法２３００を示す。
方法２３００は、ステップ２３２０を含むことができる。ステップ２３２０の前には、ステップ２３２０と、ステップ２１６１、２１６２、２１６３、２１６４、２１６５、２１６６、２１６７、２１６７‘および２１６８のうちの少なくとも１つとがあってもよい。
ステップ２３２０は、正規化されたスリップグラフを非正規化して、非正規化されたスリップグラフを提供することを含むことができる。非正規化は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および励振のうちの少なくとも一部に基づいている。
ステップ２３２０の後に、非正規化されたスリップグラフと、スリップグラフ上の関連するグリップ励起座標とに基づいて、限界グリップを決定するステップ２３３０が続くことができる。
ステップ２３４０の後に、限界グリップに応答するステップ２３４０が続くことができる。これは、車両を自動的に運転すること、車両速度をユーザに知らせること、ＡＢＳを作動させる限界グリップ値未満にグリップレベルを維持することによって、ＡＢＳシステムが作動するのを防止すること、等を含むことができる。
図５０は、車両を、第１の車輪Ｗ１ ５０１、第２の車輪Ｗ２ ５０２、第３の車輪Ｗ３ ５０３、第４の車輪Ｗ４ ５０４、第１の車輪センサＷＳ ５１１、第２の車輪センサＷＳ ５１２、第３の車輪センサＷＳ ５１３、第４の車輪センサＷＳ ５１４、他のセンサ（気候センサのうちの少なくとも１つ、１つまたは複数のブレーキセンサ、１つまたは複数のエンジンセンサ、燃料消費センサ、加速度計など）、車両コンピュータ５５０、プロセッサ５５２、メモリモジュール５５４、通信モジュール（ＣＭ）５４２、およびマンマシンインターフェース（ＭＭＩ）５４０を含むものとして示す。
ＭＭＩ ５４０は、運転提案などの情報を運転者に提供することができる。
他のセンサ５１７は、車両および／または道路状態に関連する様々なパラメータを感知することができる。
車両コンピュータ５５０は、車両の様々な構成要素および／またはシステムの状態を監視することができ、車両の様々な構成要素および／またはシステムを制御することができ、本明細書に示す方法のいずれかの実行に関与することも、関与しないこともできる。
通信モジュール５４２は、ネットワーク５９０を介してコンピュータ化システム５９２と通信することができる。
通信モジュール５４２は、近距離通信モジュール、無線周波数通信モジュールなどの長距離通信モジュール、衛星通信モジュール、セルラー通信ネットワークなどとすることができる。
車両コンピュータ５５０は、プロセッサおよびメモリユニットを含むことができる。プロセッサはハードウェアコンポーネントを含むことができ、汎用プロセッサ、画像プロセッサ、ハードウェアアクセラレータ、ＦＰＧＡ、ＡＳＩＣなどとすることができる。メモリユニットは、不揮発性メモリであってもよい。
コンピュータ化システム５９２は、クラウドコンピューティング環境内に配置することができ、１つまたは複数のサーバまたはコンピュータの任意の組合せを含むことができる。
処理、計算等（および本出願に示されている）を含む任意のステップは、車両コンピュータ５５０、プロセッサ５５２、および／またはコンピュータ化システム５９２によって実行することができる。
メモリモジュール５５４は、本出願の方法のいずれかを実行するために必要とされる任意の情報および／またはプログラムを記憶することができる。
車両の様々な構成要素は、方法２１００および／または方法２３００を実行することができる。
図５１は、異なる経路区間条件を表す２つの正規化されたスリップグラフ２９１０および２９２０の例を示す。
ステップ２１７０は、これらのスリップグラフのうちの１つを選択すること、またはこれらのスリップグラフのうちの少なくとも１つに基づいて新しいスリップグラフを生成することを含むことができる。
図５２は、グリップイベントの前およびグリップイベントの後の、グリップイベント中のグリップイベント、車両速度２５２５および車輪速度２５２０の例を示す。
グリップは、小さい障害物に対する車両のインパルス応答に基づいて評価することができる。グリップは、小さな障害物の通過、任意の他の励振イベント（ブレーキングイベント、高速イベント、ターンイベントなど）のうちの１つまたは複数を考慮して計算することができる
車両が路面に取り付けられた小さな障害物の上を走行するとき、車両は、あたかも励振されたかのようにそれに応答する。センサから得られる応答（インパルス応答とも呼ばれる）特性は、（他の要因の中でも）小さい障害物の直後の車両と路面との間のグリップレベルに依存する。
小さな障害物には次のような性質がある。
構造上－その上を走るときにステップアップまたはステップダウンする。ステップアップとそれに続くステップダウンは、小さな衝突を表すことができる。
タイヤ外周に比べて長手方向に短い。
例：
舗装亀裂
橋のつなぎ目
小石
小枝
この小さな障害物は、通常、以下の方へ分離可能な力を車両に加える。
垂直方向の加速－小さな障害物をわずかに「ジャンプする」ことによる。
水平方向の減速－斜面への「衝突」による。
これらの力（加速度）は瞬間的な性質のものであり、通常はサブ秒の期間にわたって持続する。そして、応答期間である「アフターエフェクト」を経る。
上述の垂直及び水平加速に続いて、小さな障害物から踏み出すとき、車両は拘束期間を経て、通常、その定常状態に戻り、例えば、滑らかな表面を巡航する。
インパルス（力積）の性質を検出し、特性化し、応答周期を分析するために、以下のセンサの出力を読み取ることができる。
車輪速度
ブレーキトルク
エンジントルク
以下のパラメータは、信号の特性および特徴に影響を及ぼす。
車両重量
タイヤの圧力
タイヤの健康状態（剛性）
車両速度
ダンパー
これらのセンサは、それらの出力が他の実際のセンサの読み取り値に基づいて計算される実際のセンサおよび／または仮想センサであってもよい。
センサの読み取り値は、センサの読み取り値に影響を及ぼす可能性があるパラメータ（上述したものなど）を補償（補正）するために正規化されるべきである。
例えば、車両が重いほど、同じ小さな障害物による車輪速度の変化は小さくなる。タイヤ空気圧が低い場合や、ダンパー／サスペンションが柔らかい場合も同様である。車両が小さな障害物に速く遭遇するほど、車輪速度の変化は大きくなる。
図５３は、方法２１０５を示す。
方法２１０５は、車両コンピュータ（車両内に位置するコンピュータ）によって、車両の外部に位置するコンピュータ化されたシステムによって、またはその両方によって実行することができる。車両コンピュータによる方法２１００の実行は、車両から送信される情報量を低減する。
方法２１０５は、ステップ２１１０および２１１５によって開始することができる。
ステップ２１１５は、ブレーキトルクおよびエンジントルクを監視することを含むことができる。
ステップ２１１０は、複数の車両車輪の車輪速度を監視するステップを含んでもよい。
任意の車輪センサを使用することができる。特に、車輪ごとに車輪速度センサを割り付けることができる。
ステップ２１１０の後に、車両速度推定値を計算するステップ２１２０が続くことができる。推定値は、複数の車輪速度センサからの車輪速度信号に基づいてもよい。
ステップ２１２０およびステップ２１１５の後に、グリップイベントを検出するステップ２１３０‘を続けることができる。グリップイベントは、ブレーキングイベント、高速度イベント、およびターンイベントを含むことができる。これらのグリップイベントは、ステップ２１２０の出力を使用して検出することができる。グリップイベントは、車両速度を監視することによって検出することができるが、１つまたは複数の車輪の速度を監視することによって検出することができる。
グリップイベントは、小さな障害物の通過を含むことができ、小さな障害物の通過に対する車両のインパルス応答は、ステップ２１１５および２１２０の出力に基づいて検出することができる。ブレーキングイベントは、ステップ２１１５の出力に基づいて検出されてもよい。
図５４は、グリップイベントの４つの例、すなわち、ブレーキングイベント２１３１、高速度イベント２１３２（例えば、ある速度、例えば、８０ｋｍ／ｈに達する）およびターン２１３３、ならびに小さな障害物の通過２１３４を示す。
ステップ２１３０‘の後に、励振を計算するステップ２１４０‘と、スリップ率を計算するステップ２１５０とが続く。
ステップ２１４０‘は、小さい障害物を通過する車両のインパルス応答を計算するステップ２１４６を含むことができる。
スリップ率は、車輪ごとに計算することができ、車速と車輪速度との関係である。ステップ２１５０の間、車両速度にハイパスフィルタを適用することができる。
ステップ２１４０‘および２１５０の後に、正規化励振および正規化スリップ率を生成するために、複数の車両車輪の励振およびスリップ率を正規化するステップ２１６０‘が続き得る。
ステップ２１６０‘は、インパルス応答を正規化することを含み得る。
正規化励振および正規化スリップ率は、通常グリップの喪失を表す励振およびグリップ値から遠く離れている。例えば、グリップが２０パーセントの励振及び１の励振で失われると仮定すると、正規化励振は半分を超えず、正規化スリップ率は１０パーセント未満である。
方法２１０５は、これらの正規化励振および正規化スリップ率に基づいて残留グリップを推定することを含むことができる。
例えば、本方法は関連するスリップ曲線を見つけることによって残留グリップを推定し、現在のグリップと関連するグリップ曲線に関連するグリップ点の損失との間を比較することによって残留グリップを計算することができる。
ステップ２１６０‘の後に、正規化励振および正規化スリップ率に基づいて、関連するスリップ曲線を決定するステップ２１７０が続くことができる。各スリップ曲線は、スリップ率値と励振値との間のマッピングを含む。ステップ２１７０は、正規化された励振および正規化されたスリップ率を、関連するスリップ曲線に適合させる。
ステップ２１７０は、Ｎ（例えば、２１０）個の可能なスリップ曲線の有限グループから関連するスリップ曲線を選択することができ、および／または有限曲線のスリップ曲線に基づいて新しいスリップ曲線を外挿するか、または別の方法で計算することができる。
ステップ２１８０は、関連するスリップ曲線の決定に応答することを含むことができる。ステップ２１８０は、関連するスリップ曲線情報（関連するスリップ曲線のインデックスまたは他の識別子など）を記憶すること、関連するスリップ曲線を送信すること、実際の経路区間グリップ情報を計算することなどを含むことができる。
図５４は、ステップ２１４０‘の一例を示す。
ステップ２１４０‘は、ステップ９１４２および／またはステップ９１４４を含むことができる。ステップ２１４０‘は、小さい障害物を通過する車両のインパルス応答を計算するステップ２１４６を含む。
ステップ２１４２は、グリップイベントの少なくとも１つの他の部分に関連する他の車両速度推定値を無視しながら、選択された車両速度推定値を提供するために、グリップイベントの少なくとも１つの部分に関連する車両速度推定値を選択することを含むことができる。例えば、グリップイベントは数秒続き、複数の車輪速度読み取り値が毎秒得られる（例えば、毎秒５０から１００の車輪速度読み取り値）。
ステップ２１４２は、いくつかの他の車輪読み取り値を無視しながら、車輪読み取り値のいくつかを選択することを含むことができる。
任意の選択規則を適用することができる。例えば、グリップイベントの開始期間中および／またはグリップイベントの終了期間中（例えば、グリップイベントの持続時間の最初の２０パーセント中および／またはグリップイベントの持続時間の最後の１５パーセント中）に得られる車輪速度読取値を無視する、特定の加速値および／または減速値に関連する車輪速度イベントを無視する、加速減速度または速度が定常状態に達するまで待機する（および定常状態読取値を選択する）などが挙げられる。
ステップ２１４４は、時間にわたる選択された車両速度の１つまたは複数の変化に基づいて、およびゼロまたは複数の追加ファクタに基づいて、励振を計算することを含んでもよい。
ゼロまたはそれ以上の追加のファクタを使用して、励振値を正規化することができる。励振値は任意の方法で、例えば、選択された車両速度推定値を含む選択された期間中の車両速度の全体的な変化を、選択された期間の持続時間で割ったもので、１つまたは複数の変化を表すことができる。
追加ファクタは、車両の運転および／またはブレーキングパラメータ、（車両が通過した）１つまたは複数の経路区間の勾配などを含むことができる。
ブレーキングパラメータは、車両のブレーキが作動された方法、すなわち、ポンピングまたはポンピングされていない方法、ブレーキペダルの位置のいかなる変化などを反映することができる。例えば、ブレーキングパラメータは、時間の経過に伴うブレーキペダルの位置の平均または最小または最大の変化のうちの少なくとも１つを反映することができる。
異なるブレーキングパターン（例えば、パターン２１７１および２１７２）は、異なる励振をもたらし得る。勾配は、経路区間の平均勾配または最小勾配または最大勾配のうちの少なくとも１つによって表すことができる。
図５５は、ステップ２１６０‘の一例を示す。
ステップ２１６０‘は、ステップ２１６９を含むことができる。ステップ２１６９の前に、ステップ２１６１、２１６２、２１６３、２１６４、２１６５、２１６６、２１６７、２１６７‘、および２１６８のうちの少なくとも１つを実行することができる。ステップ２１６０‘の前に、ステップ２２１５（図５５にも示されている）を行うことができる。ステップ２２１５は、方法２２００に属することができる。
ステップ２１６１は、気候バイアスを受信または推定することを含むことができる。気候バイアスは、雨、霧、温度などの気候変化に関連するグリップの変化を表すことができる。気候バイアスは気候センサ（湿度センサ、気圧計、温度センサなど）によって測定されてもよく、および／または、制限された時間フレーム（例えば、３０分～数時間）内に同じ経路区間に関して複数の車両が経験するグリップレベル間の同様の差を見つけることによって検出されてもよい。
ステップ２１６２は、ホイール有効パッチサイズを受信または推定することを含むことができる。
ステップ９１６２は、エンジントルクおよび／またはブレーキトルクを受け取ることまたは推定することを含んでもよい。
ステップ２１６４は、タイヤの健康状態を受信又は推定することを含むことができる。タイヤの健康状態は、（平坦なタイヤの場合を除いて）非常にゆっくりと変化することが予想され、長期間にわたって比較的一定のバイアスとして表すことができる。
ステップ２１６６は、車両の重量を受信または推定することを含むことができる。重量推定値の非限定的な例は、２０１７年９月１０日に出願された米国仮特許出願第６２／５５６，４４７号に示されている。
ステップ２１６７は、励振を受信または推定することを含み得る。励振は、ステップ２１４０から行うことができる。
ステップ２１６７‘は、グリップを受け取ること、または推定することを含むことができる。
ステップ２１６８は、速度を受信または推定することを含むことができる。速度は、ステップ２１２０から得ることができる。
ステップ２１６９は、正規化励振および正規化スリップ率を生成するために、複数の車両車輪の励振およびスリップ率を正規化することを含むことができる。正規化は、速度、気候バイアス、ホイール有効パッチサイズ、タイヤの健康状態、車両の重量、および励振のうちの少なくとも１つに応答することができる。
正規化は、同じ道路区間を通過するときに異なる車両によって感知された情報を比較すること、および気候バイアス、ホイール有効パッチ、タイヤの健康状態、車両の重量、励振などを補償（補正）することを含むことができる。
ステップ２１６９の前に、正規化関数および／または選択規則を受信および／または学習するステップ２２１５を行うことができる。
ステップ２２１５は、トレーニング段階を実行すること、および／またはトレーニング段階中に学習された出力を受信することを含むことができる。
ステップ２２１５は、センサの信号から抽出された特徴上にファクタおよびルックアップテーブルを適用することを含んでもよい。これらのファクタおよびルックアップテーブルは、トレーニング段階中に学習され、構築される。
特定の車両タイプが与えられると、制御された環境／性能試験場で１つ以上の試験を実施して、信号特徴を導出することができる。
１つまたは複数の試験は、以下のタイプ：ステップアップ、ステップダウン、バンプ（例えば、小さなバンプ）の事前定義された小さな障害物のような、事前定義された小さな障害物に対して実施することができる。
タイプごとに複数の小さな障害物が存在してもよく、小さな障害物は、ステップの高さ、バンプの長さ、周囲に対する配向などのうちの少なくとも１つだけ、互いに異なる場合がある。
試験は、重量、速度、タイヤ空気圧、ダンパー設定などの少なくとも１つの異なる値を示す１つの車両タイプで行うことができる。
特定の試験の間に気候が変化することがある。
小さな障害物は、異なるグリップ値（Ｍｕｅの異なる値）の近傍内に配置されてもよい。
各試験中に、種々のセンサ読取り値（例えば、車輪速度、ブレーキトルク、及びエンジントルク）が読み取られ、小さな障害物を通過するときの車両のインパルス応答を提供する。
センサの信号とその特徴、車両パラメータ（重量、速度、タイヤ空気圧、ダンパー）及び推定グリップレベルとの間の関係が計算される。この関係は、正規化関数と呼ぶことができる。
アクアプレーニング（ＡＰ）
上記の本文および図１～５５の少なくともいくつかは、車両（車両ＤＮＡ）のパラメータを計算する方法、および道路（表面ＤＮＡ）のパラメータを計算する方法を記載している。
アクアプレーニング事象の発生に関するいかなる言及も、アクアプレーニング事象の実際の発生、またはアクアプレーニング事象の推定された（しかし実際ではない）発生に関連すると解釈することができる。例えば、経路を計画する場合、経路の異なる道路区間は、アクアプレーニング事象の発生の可能性に基づいて選択されてもよい。さらに別の例では、車両がアクアプレーニング事象である物理事象を感知した場合、これは実際のアクアプレーニング事象として扱われる。
特定の道路区間のアクアプレーニング事象の発生の推定は、道路区間の計算されたおよび／または推定された特性（例えば、道路区間に関連する物理事象）、雨の推定されたおよび／または計算された特性、及び車両の推定されたおよび／または計算されたパラメータ、並びに（ｉ）雨の推定された特性、（ｉｉ）道路区間の特性、（ｉｉｉ）アクアプレーニングの発生、及び（ｉｖ）車両の推定されたおよび／または計算されたパラメータ（例えばタイヤの健康状態）間のマッピングに基づくことができる。
マッピングは、様々な道路区間上の以前のドライブセッション、様々な方法で検出されたアクアプレーニング事象に関する情報などに基づいて計算および／または学習することができる。
車両に対するアクアプレーニングの効果は、速度、速度の変化、車両の重量、タイヤの健康状態、道路区間の公称グリップ等のような様々なパラメータの関数とすることができる。
アクアプレーニングは、道路区間の公称グリップを減少させ、したがって、道路区間の修正されたグリップレベルが計算されるべきであり、道路区間上を走行するときに考慮されるべきである（例えば、道路区間上の最大走行速度を自動的に決定すること、自律モードで動作するか非自律モードで動作するかを決定することなどのために）。道路区間の公称グリップは、例えば、グリップを計算するための上述の方法のいずれか（例えば、図４４の方法２１００）によって計算することができる。アクアプレーニング事象に起因するグリップ劣化は、乾燥した道路区間上を車両が走行するときに期待される正規化グリップレベルと、アクアプレーニング事象が発生したときに車両内の同じ道路区間を通過するときに測定される正規化グリップとの間のギャップを表すことができる。
アクアプレーニングの発生は、特定の時間枠内で同じ道路区間を通過する複数の車両のグリップの減少を比較することによって検出されてもよい（例えば、後述するＰＷＴ）。
雨量は、推定雨量の関数としてワイパー速度を変化させるように構成された自動ワイパーユニットによって検出することができる。複数の車両の複数の自動ワイパーユニットの降雨率センサの読み取り値は、１つ以上の降雨率センサの１つ以上の誤った読み取り値を拒絶するように処理されてもよい。
アクアプレーニング現象の深刻度は、車両の速度、水位、タイヤ溝の深さ、およびマイクロテクスチャのような道路区間の特性に関連する可能性がある。
水位は、（ｉ）区間内のある期間における累積降水量、（ｉｉ）表面マイクロテクスチャ、（ｉｉｉ）タールマック内のへこみ／傾斜、（ｉｖ）排水路および流路などの関数であってもよい。
タイヤ溝の深さおよび構造は、タイヤの健康状態と呼ばれることもある。これは、上述の方法のいずれかを用いて推定される。ＴＡＨはＡＰイベントを通過するときに、１つのタイヤと別のタイヤとの間のグリップ差を表すために使用することができるスカラーパラメータの名前であり、他のすべてのパラメータは同じである。ＴＡＨは、グリップ差の主要な原因であるので、タイヤ溝の深さ及び構造によって表すことができる。
道路経路のパラメータ（表面マイクロテクスチャ、へこみ、傾斜、排水路など）は、上記のいずれかの方法によって推定することができる。
定義と注釈
ベースライン利用可能グリップ（Ｂａｓｅｌｉｎｅ Ａｖａｉｌａｂｌｅ Ｇｒｉｐ、ＢＡＧ）－［ｇ］道路が公称温度で乾燥しているときのその公称グリップを反映する、道路区間に付属する利用可能なグリップ属性。
降水率（Ｐｒｅｃｉｐｉｔａｔｉｏｎ Ｒａｔｅ、ＰＲ）－［ｍｍ／ｈ］降雨率（単位空間当たり）、特定の時間における特定の地理的地点特定の指標によって記録／表示される。
平均降雨率（ＭＰＲ）－［ｍｍ／ｈ］特定の時点における特定の道路区間におけるＰＲの平均降雨率。
降水量ウィンドウ時間（ＰＷＴ）－［ｍｉｎ］ＭＰＲを集計して路面上の水量を求めるためのウィンドウ時間の長さである。
総ウィンドウ降水量（ＡＷＰ）－［ｍｍ］特定の時間に特定の道路区間でＰＷＴ中に落下した水の総量（単位空間あたり）
アクアプレーニンググリップ低下（Ａｑｕａｐｌａｎｉｎｇ Ｇｒｉｐ Ｄｅｇｒａｄａｔｉｏｎ、ＡＧＤ）－［ｇ］利用可能なグリップの量。この方法は、公称速度で、ＡＰ事象による（乾燥した道路区間の）公称利用可能グリップから減少させる必要がある場合がある。
アクアプレーニング事象（ＡＰ）－車両下でＡＰ現象を検出した。
タイヤアクアプレーニング健康状態（Ｔｉｒｅ Ａｑｕａｐｌａｎｉｎｇ Ｈｅａｌｔｈ、（ＴＡＨ）－所定の重大度を有するＡＰ事象による特定の車両のグリップ劣化。
正規化アクアプレーニング事象（ＮＡＰ）－車両のＴＡＨを使用したＡＰ追従補償手順。
低下Ｖｓ．降水量（Ｄｅｇｒａｄａｔｉｏｎ Ｖｓ． Ｐｒｅｃｉｐｉｔａｔｉｏｎ、ＤＶＰ）マッピング－公称車速と公称ＴＡＨにおける特定の道路区間当たりのＡＷＰとＡＧＤの関係を記述するマッピング（例として、テーブル、方程式）である。
前提条件
関連降水量：基本的に降水量には雨、ひょう、雪が含まれる。雨は関連性があると思われる。この方法は残りを無視してもよいし、無視しなくてもよい。雨という用語は、関連する降水量に適用することができる。
この方法は、降雨に対してゼロ温度が最小であると仮定することができる。それ以下では雪かもしれない。
季節に関連した問題があるかもしれない：乾燥時に同じグリップレベルを有する２つの道路は、雨のときに異なるグリップ低下を有するかもしれない－これは雨の間（または道路区間が濡れるかもしれない試験の間）に測定されることができる。
雨によるグリップ低下は、ＡＷＰを有する２つの道路間で異なる可能性がある。すなわち、低いＡＷＰでは１つの道路は他の道路よりも悪いが、高いＡＷＰでは反転するかもしれない。
再現性－この方法は、ほとんどの場合、同じＡＷＰが与えられると、毎年、道路上の各特定の位置が同じＡＧＤを有すると仮定することができる。
ＰＷＴ。この方法は、雨のためにパドルが満杯になるのに時間がかかると仮定することができる。一方、（ｉ）蒸発－高温、強風、低湿度、（ｉｉ）排水路配水管、（ｉｉｉ）水流路、（ｉｖ）車両飛散により排水される。
本方法は、ＰＷＴを、降水が道路上で集まる時間ウィンドウであるように設定することができる：（ｉ）それより下では－本方法が雨が続く場合に道路上でさらに多くの水を集めることができる、（ｉｉ）それより上では－「古い」降雨が排水／蒸発を開始する。
正確な時間は、温度、風、湿度の状態に関係する場合がある。
各道路区間のＰＷＴは、道路区間を監視することによって学習することができ、および／または任意の方法で推定することができる。
ＡＰシグネチャ：この方法は、車両内で、パドル／ＡＰ現象での運転を表す信号のシグネチャ、およびその大きさを検出できると仮定することができる。ＡＰは、テンプレート化されたシグネチャおよび可変の大きさを有する物理事象と呼ばれ得る。
これは、開始速度、エンジン／車輪トルク、およびマグニチュードの少なくとも一部を感知するセンサを使用することによって、ＡＰイベントの発生のシグネチャを見つけることができる仮想センサ「ＡＰ検出」によって反映される。
ＡＰ Ｖｓ． Ｓｐｅｅｄ：本方法は、車両の速度が高いほど、ＡＰの重大度が高くなると仮定することができる。特定のＡＰ現象（例えば、表面マイクロテクスチャおよび水位）ごと。この方法は、ＡＧＤを車両速度に関連付けるマッピングを定義することができる（または式を含む任意の他のマッピングを有することができる）。
したがって、水位当たりの道路区間当たりの単一数を学習すれば十分である。
ＡＰ Ｖｓ．総ウィンドウ降水量（ＡＷＰ）：この方法は、各道路区間が所与のＡＷＰ［ｍｍ］ごとに常に同じ水位を生成するそれ自体の表面ＤＮＡを有すると仮定することができる。したがって、ＡＷＰ当たりの水位、または実際にはＡＷＰ当たりのＡＧＤを反映するマッピングを学習すれば十分であろう。
車内での検知。ＡＰ処理のための第１のステップは、車両検出である－ＡＰイベントである（固有のシグネチャを有する）物理事象を検出する。ＡＰイベントの重大度（グリップレベルの損失量に関連する）は、雨及び道路区間パラメータによって影響されてもよいが、車両（例えば、タイヤの健康状態）によっても影響されてもよい。
仮定－ＡＰは主に速度とともに増加する：これは、この方法が巡行中にＡＰを検出する可能性があるからである。パドルでブレーキをかけると車両がすぐに速度を失う可能性があるため、現象はそれほど深刻ではないと仮定する。
ＡＷＰがゼロである（すなわち、最後の期間に雨の兆候がない）場合、本方法は、ＡＰ現象が存在し得ないと仮定し得る。
シグネチャ検出
ＡＰイベントのシグネチャは様々な方法で、例えば、制御されたテスト中に、および／またはＡＰが存在する道路区間上を走行するときに検出され得る。
例－水内（性能試験場、冬季の通常道路）走行の記録
シグネチャ学習プロセスはデータを収集し、注釈を付けることを含むことができる。例として、水面上のすべてのテストドライブ（冬季、スプリンクラーなど）を見つけ、信号の特徴（加速度、車輪速度、駆動／非駆動など）を見つける。
データは、例えば、ＳＶＭまたは他の何らかの機械学習アルゴリズムを実行し、それを訓練してグリップ低下を検出することによって、様々な方法で処理することができる。
グリップ低下のためのマッピングを生成する。例えば、速度毎および／または水深毎。
仮想ＡＰセンサを生成する。
機械学習訓練アルゴリズムが完了すると、この方法は、ベクトルをサポート（Ｓｕｐｐｏｒｔｉｎｇ Ｖｅｃｔｏｒｓ）する準備ができている。この方法は、リアルタイムで車両内でＳＶＭアルゴリズムを実行し、見つかったサポートベクトルを使用して、ＡＰイベントおよびその重大度を検出することができる
ＡＰイベントが検出されると、本方法は、様々な属性を、ＡＰイベント、すなわち、開始速度［ｋｍ／ｈ］、エンジントルク／駆動輪トルク［Ｎｍ］、ＡＰ重大度［無単位］、タイヤアクアプレーニングヘルス（ＴＡＨ）－［無単位］などに関連付けることを発行することができる。
降雨率仮想センサ
表面上の水雨量を計算するために、本方法は、降雨率仮想センサを生成することができる。
この仮想センサは、その発行の瞬間および場所における水／雨の割合を反映する。
このＶｓｅｎｓｏｒ（仮想）は、降雨率＞０のときに繰り返し発行されてもよい。
暗黙のうちに、それが検出されない場合、この方法は降雨率＝０と仮定することができる。
この方法は、車両内に２つの潜在的なセンサを有することができる。
ワイパーセンサー－拭き取り速度。この方法は、運転者が雨が降ったときにワイパーを操作すると仮定することができる。ドライバーはフロントガラスをクリアしようとするため、ワイパーの速度は降雨率によって変わる。したがって、この方法は、ワイパー率を抽出することができる。
雨センサ。現代の車両では、フロントガラスの後ろに光学センサがあり、フロントガラスの前の水の量を検出する（通常、不透明度または反射に応じて）。センサは、フロントガラス上の水の量を表す［％］単位の値を返す。この方法はこのセンサを読み取り、それを降雨率センサとして使用することができる。
別のソース－気象ステーション：通常、気象ステーションは道路環境に配置される。本方法はリアルタイムに近い、それらのデータから降雨率を取り出すことができる。
フロントガラスが汚れているためにワイパーが操作される状況を回避するために、本方法は非常に短い雨期間（例えば、１分未満）に関連する表示を無視するか、または散水器の作動を検出し、その後、ワイパーの操作を１分間について無視することができる。
車両速度－この方法は、窓水量が車両速度と共に高くなると仮定することができる。したがって、この方法は、速度を正規化（補償）すべきである。
アクアプレーニング層
目標は、雨が降っているときにＡＰ問題を有する位置（道路区間）と、降雨率［ＰＲ］当たりの予想される重大度とを保持する地図層を生成することである。この層は、データ構造６００‘に追加されてもよい（または含まれてもよい）。
入力
このマッピング層の主な入力は、（ｉ）ＡＰ検出Ｖｓｅｎｓｏｒ、（ｉｉ）降雨率Ｖｓｅｎｓｏｒ、（ｉｉｉ）タイヤＡＰ健康状態メタデータという以下の仮想センサを含む、車両群からクラウドへのデータのストリームである。
さらに、この方法は、気象条件提供者から瞬間的に測定された降雨率を受け取ることができる：（ｉ）道路区間／面積（［ｍｍ／ｈ］の単位）当たりの降雨率。
送ウィンドウ降水量（ＡＷＰ）
上で定義したように、これは、パドルを生成するために集められた面積当たりの［ｍｍ］単位の降雨量である。
それは、計算の時間に先行する時間ウィンドウにわたる、特定の位置におけるＰＲの積分として計算される。
ウィンドウのサイズ（すなわち、この方法が雨を集める現時点より前の時間）は、水の蒸発速度に依存する。蒸発水（Ｅｖａｐｏｒａｔｅｄ ｗａｔｅｒ）は、パドル深さを計算するために凝集されるべきでない。
蒸発速度は、以下のパラメータに依存する。
温度－温度が高いほど、水の蒸発速度は高くなる。
湿度－湿度が低いほど、蒸発速度は高くなる。
風－風が強くなるにつれて、蒸発速度は高くなる。
上記のパラメータは、道路沿いの気象レポートステーションから受信され、降水量ウィンドウ時間（ＰＷＴ）を［ｍｉｎ］で計算するために使用される。計算される場合、本方法は、ＰＷＴを使用して、ＰＷＴに対するＰＲ（ｔ）の積分としてＡＷＰを計算することができる。
アクアプレーニングＶｓ．降水率マッピング
各道路区間のＰＲとＡＰハザードレベルとの間の関係を反映することができるモデル（マッピング）を提供することができる。上述のように、これは、ＡＰの重大度に影響を及ぼす表面ＤＮＡ成分（例えば、アスファルトへこみ、マイクロテクスチャ、排水の遮断など）を反映する。ＡＰ重大度は、アクアプレーニンググリップ低下（ＡＧＤ）（［ｇ］の単位）によって測定される。
本方法は、道路区間におけるＡＰ現象が総ウィンドウ降水量（ＡＷＰ）単位［ｍｍ］の関数であると仮定することができる。したがって、この方法は、ＬＵＴ： ＡＧＰ Ｖｓ．ＡＷＰを定義することができ、以下のように示される：低下Ｖｓ．降水量（ＤＶＰ）テーブル。
構造（例）：

学習
このプロセスは、各ドライブセッションにわたって実行され、特定の道路上を数マイル走行する特定の車両はそのＶｓｅｎｓｏｒをクラウドに送信する。
ステージ＃１： ＡＰイベント
所与：各車両のＴＡＨ、ＡＰ Ｖｓｅｎｓｏｒインスタンス
セッションごとに、ルーティングアルゴリズム（マップマッチング）に従う。
ＡＰが検出された地図ノード（道路区間）を見つける。
各ＡＰイベントについて、ＴＡＨを補償（補正）する：
車両のＴＡＨによりＡＰイベントの大きさを因子化する。
通常、ＴＡＨが悪い場合、補償された（すなわち、正規化された）ＡＰの大きさは減少する。
正規化ＡＰ（ＮＡＰ）イベントの生成
正規化ＡＰイベントは、名目上の大きさを有するＡＰイベントである。
すなわち、ＴＡＨによる因子化後の大きさ
ステージ＃２：降雨率（ＰＲ）
すべてのＰＲ Ｖｓｅｎｓｏｒを検索する。
外部気象源から追加のＰＲ Ｖｓｅｎｓｏｒｓインスタンスを生成する（雨が陽性の場合）。
気象レポートサービスとの接続の確立
各道路区間周辺のＰＲ値を抽出
（車両によって検出されたかのように）この情報からＶｓｅｎｓｏｒインスタンスを生成する。
セッション中のＰＲ表示のレイヤ外れ／エラーの削除－短すぎるＰＲイベント、まれなＰＲイベント－長すぎて繰り返さない場合
併合
この手順は、クラウド内で、同じ車両または異なる車両のいくつかのドライブセッションの受信に続いて、期間ごとに（例えば、数時間ごとに）実行され、その後、セッションのそれぞれが、上述の学習手順を実行した。
地図上の道路を移動し、道路ごとに、時間隔ごとに、新しい学習セッションを移動する。
ステージ＃１： ＰＷＴ
降水量ウィンドウ時間（ＰＷＴ）［ｍｉｎ］を計算する。
所与条件：温度、風、湿度
ステージ＃２： ＭＰＲ
道路と時間のＰＷＴが与えられる。
平均降水量（ＭＰＲ）を計算する－同じ道路と同じ時間ウィンドウで学習したすべてのセッションを使用する：
各車両が、同じ時間フレームの周りの道路区間の近傍を走行する場合
周辺のＰＲを抽出する。
すべてのＰＲを平均する。
層を除去する。
ステージ＃３： ＡＷＰ
ＭＰＲが与えられる
総ウィンドウ降水量（ＡＷＰ）－道路区間当たり時間当たりを計算する。
ステージ＃４： ＤＶＰテーブル
道路区間当たり
所与：
区間のＡＷＰＰ
区間内の正規化されたＡＰ（ＮＡＰ）イベント（上記のステージ＃を参照）
プロセス
ＮＡＰを平均し層を除去
低下Ｖｓ．降水マッピングの生成
ＡＷＰ範囲ごとに、その範囲内のＡＷＰが与えられた場合に収集されたすべてのＮＡＰイベントを収集する。
ＮＡＰを平均化する。
マッピングテーブルにＡＷＰ範囲エントリを入力する。
最終的に、各道路区間についての相対的なＮＡＰ値（すなわち、特定のＰＲ当たりの公称グリップ低下）を記述する完全なルックアップテーブルを有する。
使用－アクアプレーニング予測
雨の日のクラウドソーシングＡＰイベントに続き、この方法は、マップすることを管理してもよい：
道路区間毎ＡＷＰ毎のＡＰ重大度
車両当たり： ＴＡＨ
各車両に付加される変数（経年変化）
これは、ＡＰイベントの特定の大きさのためにこの特定の車両が経験するグリップ低下を反映するように、ＡＰ重大度をどのように正規化するかを定義する。
ここで、特定の車両が特定の道路上を走行しようとしていると仮定すると、本方法は利用可能なグリップレベルを所定のレベル未満に低減しないように、各道路区間における最大安全速度を計算することを望む場合がある。
所与：
車両前方の特定の道路区間当たり
ＡＷＰ－現在時刻以前にＰＷＴ経由でクラウドソーシングまたは天候ステーションからＰＲが与えられる。
タイヤアクアプレーニング健康状態 （ＴＡＨ）－ 特定の車両ごと
地図から読み出し：
速度当たりの、道路区間に関連するＬＵＴから抽出されたグリップ低下の値
ＴＡＨで補償（補正）
リターン：
グリップを実質的に失う前の最大安全速度
最終的に、車両は、この特定の速度を、これらの道路区間に沿った最大速度巡航として使用することができる。
前の日焼けページに示された計算およびパラメータは、アクアプレーニングを計算および／または予測するための方法の非限定的な例である。
図５６は、車両を運転するための方法２４００を図示し、この方法は、以下のステップを含んでもよい。
複数の道路区間に関連付けられ得る雨に関する雨情報を受信または生成するステップ。ステップ２４０２。
複数の道路区間の各道路区間に関連するグリップレベル低下を推定するステップ。ステップ２４０４。グリップレベル低下の推定は、雨情報と、車両の少なくとも１つの雨関連パラメータと、道路区間の各道路区間に関連する、雨情報とグリップレベル低下との間のマッピングとに基づくことができる。
グリップレベル低下に基づいて、運転に関連した操作を実行する。ステップ２４０６。
車両の雨関連パラメータは、車両の少なくとも１つのタイヤの健康状態を含むことができる。
グリップレベル低下を推定するステップ２４０４は、複数の道路区間における１つまたは複数のアクアプレーニング事象の発生を推定するステップ２４０５を含むことができる。
ステップ２４０４は、複数の道路区間における１つまたは複数のアクアプレーニング事象の発生に関連するグリップレベル低下を推定することを含むことができる。
この方法は、車両による１つまたは複数のアクアプレーニング事象の発生を検証するステップ２４０８を含むことができる。
検証は、車両センサによって、複数の道路区間を走行するときの車両の挙動を感知して感知結果を提供することと、車両によって、感知結果内の１つまたは複数のアクアプレーニングシグネチャを検索することとを含むことができる。
ステップ２４０２は、降雨時間帯の間に取得された雨認知率情報を累積して雨情報を生成することを含むことができる。
ステップ２４０２は、道路区間ごとの降水量ウィンドウ時間を受信または計算することを含んでもよい。
ステップ２４０６は、車両を自律的に運転するために、自律運転モジュールを選択的に起動するステップを含んでもよい。
ステップ２４０６は、以下のうちの少なくとも１つを含むことができる。
起動されると、車両を自律的に運転するように構成され得る自律運転モジュールを停止および／または起動する。したがって、車両がある値の正規化されたグリップ（ステップ２４０４中に計算されたグリップ低下を考慮に入れて）を有する道路区間に対して自律走行を起動することができ、車両が他の値の正規化されたグリップ（ステップ２４０４中に計算されたグリップ低下を考慮に入れて）を有する道路区間に対して自律走行を停止することができる。自律走行の起動および／または停止は、複数の道路区間、特に車両が問題のあるグリップレベルを有する道路区間間の距離に関連するグリップレベルの関数であってもよく、それは数十メートル毎に自律走行をオンおよびオフにすることが効率的でない可能性があるためであることに留意されたい。ステップ２４０４の結果が与えられると、自律走行をどのように動作させるかを決定するために、任意の関数を適用し、使用することができる。少なくともいくつかの場合において、アクアプレーニング事象の発生は、（より高速で）アクアプレーニングを引き起こすのに十分な水が集められた道路区間においてさえ、車両の車輪が十分な水を排出することを可能にするのに十分に低くなるように車両の速度を設定することによって回避することができることに留意されたい。したがって、自律走行は、問題のある道路区間にも適用され得る。
複数の道路区間のそれぞれにおける車両の速度を設定する。その速度は、推定された条件（ＡＰイベントの可能な発生を含む）の下で、道路区間に関連する最大安全速度を超えないように設定されてもよい。最大安全速度は、車両の車輪が（より高速で）アクアプレーニングを引き起こすのに十分な水が集まった道路区間においてさえ、十分な水を排出することを可能にする。
車両の人間の運転者に警告する。これは、任意のオーディオ／ビジュアルメッセージである可能性がある。この警告は乾燥機が車両を制御しているとき、および／または車両が自律的に運転されているときにも発せられることがある。警告はアクアプレーニング事象の危険性を示し、推奨される車両速度などを運転者に知らせることができる。
アクアプレーニング事象が発生すると予想される道路区間で速度の変化（例えば、加速または減速）を実行または防止する。
ステップ２４０２は、少なくとも１つの車両センサによって雨認知率を推定することを含むことができる。
少なくとも１つの車両センサは、ワイパー制御ユニットに属していてもよい。
車両を運転するための非一時的コンピュータプログラム製品が提供されてもよく、非一時的コンピュータプログラム製品は、複数の道路区間に関連付けられてもよい雨に関する雨情報を受信または生成するための命令と、複数の道路区間の各道路区間に関連付けられたグリップレベル低下を推定するための命令と、グリップレベル低下の推定は雨情報と、車両の少なくとも１つの雨関連パラメータと、雨情報とグリップレベル低下との間の道路区間の各道路区間に関連するマッピングとに基づいてもよく、グリップレベル低下に基づいて運転関連動作を実行する命令とを記憶する。
車両の雨関連パラメータは、車両の少なくとも１つのタイヤの健康状態を含むことができる。
グリップレベル低下の推定は、複数の道路区間における１つまたは複数のアクアプレーニング事象の発生を推定することを含むことができる。
グリップレベル低下の推定は、複数の道路区間における１つまたは複数のアクアプレーニング事象の発生に関連するグリップレベル低下を推定することを含むことができる。
非一時的コンピュータ可読媒体は、車両による１つまたは複数のアクアプレーニング事象の発生を検証することを含むことができる。
検証は、車両センサによって、複数の道路区間を走行するときの車両の挙動を感知して感知結果を提供することと、車両コンピュータによって、感知結果内の１つまたは複数のアクアプレーニングシグネチャを検索することとを含むことができる。
非一時的コンピュータ可読媒体は、降雨時間帯の間に取得された雨認知率情報を累積して雨情報を生成するための命令を記憶することができる。
運転関連動作の実行は、車両を自律的に運転するための自律運転モジュールを選択的に起動することを含むことができる。
運転関連動作の実行は、自動運転モジュールを選択的に停止にすることを含むことができ、自律運転モジュールは起動されたときに、車両を自律的に運転するように構成することができる。
運転関連動作の実行は、複数の道路区間のそれぞれに車両の速度を設定することを含むことができる。
非一時的コンピュータ可読媒体は、少なくとも１つの車両センサによって雨認知率を推定するための命令を記憶することができる。
少なくとも１つの車両センサは、ワイパー制御ユニットに属する。
運転関連動作の実行は、車両の運転者に警告することを含むことができる。
車両を駆動するための車両システムを備えることができ、車両システムは、（ａ）車両の挙動を感知すること、（ｂ）雨パラメータを感知することから少なくとも１つを行うように構成されたセンサ（明細書および／または図３、４、２０、４０、４１、４２および５０のいずれか１つに図示されたいずれかのセンサおよび／または車両の雨センサのような）、および、複数の道路区間に関連付けられた雨に関する雨情報を受信または生成し、複数の道路区間のそれぞれの読み取られた区間に関連付けられたグリップレベル低下を推定するように構成されたコンピュータ車両（明細書および／または図３、４、２０、４０、４１、４２および５０のいずれか１つに図示されたいずれかのプロセッサのような）と、を備え、グリップレベル低下の推定は、雨情報と、車両の少なくとも１つの雨関連パラメータと、雨情報とグリップレベル低下との間のマッピングに基づいており、グリップレベル低下に基づいて運転関連動作の実行を支援する。
図５６は、１つまたは複数のアクアプレーニング事象の発生を推定するための方法２４２０を示し、この方法は、以下のステップを含むことができる。
複数の道路区間に関連付けられ得る雨に関する雨情報を受信または生成するステップ。ステップ２４０２。
車両コンピュータによって、複数の道路区間における１つまたは複数のアクアプレーニング事象の発生を推定する。ステップ２４２４。１つまたは複数のアクアプレーニング事象の発生の推定は、雨情報と、車両の少なくとも１つの雨関連パラメータと、雨情報と１つまたは複数のアクアプレーニング事象の発生との間の、道路区間の各道路区間に関連するマッピングと、に基づくことができる。
方法２４２０は、また以下のうちの少なくとも１つを含むことができる。
１つまたは複数のアクアプレーニング事象の発生の推定に基づいて運転関連動作を実行するステップ２４２６。
車両による１つまたは複数のアクアプレーニング事象の発生を検証するステップ２４２８。
ステップ２４２８は、車両センサによって、複数の道路区間を走行するときの車両の挙動を感知して感知結果を提供するステップと、車両によって、感知結果内の１つまたは複数のアクアプレーニングシグネチャを検索するステップとを含むことができる。
ステップ２４０２は、降雨時間帯中に取得された雨認知率情報を累積して雨情報を生成することを含むことができる。
ステップ２４０２は、道路区間ごとの降水量ウィンドウ時間を受信または計算することを含んでもよい。
ステップ２４２６は、以下のうちの少なくとも１つを含むことができる。
起動されると、車両を自律的に運転するように構成され得る自律駆動モジュールを停止および／または起動すること。したがって、車両が特定の値の正規化グリップ（ステップ２４０４中に計算されたグリップ低下を考慮に入れて）を有する道路区間について自律運転を起動することができ、車両が他の値の正規化グリップ（ステップ２４０４中に計算されたグリップ低下を考慮に入れて）を有する道路区間について自律運転を停止することができる。自律走行の起動および／または停止は、複数の道路区間、特に車両が問題のあるグリップレベルを有する道路区間間の距離に関連するグリップレベルの関数であってもよく、それは数十メートル毎に自律走行をオンおよびオフにすることが効率的でない可能性があるためであることに留意されたい。ステップ２４０４の結果が与えられると、自律走行をどのように動作させるかを決定するために、任意の関数を適用し、使用することができる。少なくともいくつかの場合において、アクアプレーニング事象の発生は、（より高速で）アクアプレーニングを引き起こすのに十分な水が集められた道路区間においてさえ、車両の車輪が十分な水を排出することを可能にするのに十分に低くなるように車両の速度を設定することによって回避することができることに留意されたい。したがって、自律運転は、問題のある道路区間にも適用することができる。
複数の道路区間のそれぞれにおける車両の速度を設定すること。速度は、推定された条件（ＡＰイベントの可能な発生を含む）の下で、道路区間に関連する最大安全速度を超えないように設定されてもよい。最大安全速度は、車両の車輪が（より高速で）アクアプレーニングを引き起こすのに十分な水が集められた道路区間においてさえ、十分な水を排出することを可能にする。
車両の人間の運転者に警告すること。これは、任意のオーディオ／ビジュアルメッセージである可能性がある。この警告は、運転者が車両を制御しているとき、および／または車両が自律的に運転されているときにも発せられることがある。警告はアクアプレーニング事象の危険性を示し、推奨される車両速度などを運転者に知らせることができる。
アクアプレーニング事象が発生すると予想される道路区間で、速度の変化（例えば、加速または減速）を実施または防止すること。
１つまたは複数のアクアプレーニング事象の発生を推定するための非一時的コンピュータプログラム製品が提供されてもよく、非一時的コンピュータプログラム製品は、複数の道路区間に関連付けられてもよい雨に関する雨情報を受信または生成するための命令と、車両コンピュータによって、複数の道路区間における１つまたは複数のアクアプレーニング事象の発生を推定するための命令とを記憶し、１つまたは複数のアクアプレーニング事象の発生の推定は、雨情報、車両の少なくとも１つの雨関連パラメータ、および複数の道路区間の各道路区間に関連する、雨情報と１つまたは複数のアクアプレーニング事象の発生との間のマッピングに基づいてもよい。
非一時的コンピュータ可読媒体は、１つまたは複数のアクアプレーニング事象の発生の推定に基づいて運転関連動作を実行することを含むことができる。
非一時的コンピュータ可読媒体は、車両による１つまたは複数のアクアプレーニング事象の発生を検証することを含むことができる。
検証は、車両センサによって、複数の道路区間を走行するときの車両の挙動を感知して感知結果を提供することと、車両によって、感知結果内の１つまたは複数のアクアプレーニングシグネチャを検索することとを含むことができる。
非一時的コンピュータ可読媒体は、降雨時間帯の間に取得された雨認知率情報を累積して雨情報を生成するための命令を記憶することができる。
運転関連動作の実行は、車両を自律的に運転するための自律運転モジュールを選択的に起動することを含むことができる。
運転関連動作の実行は、起動すると、車両を自律的に運転するように構成された自律運転モジュールを選択的に停止にすることを含むことができる。
運転関連動作の実行は、複数の道路区間のそれぞれにおいて車両の速度を設定することを含むことができる。
非一時的コンピュータ可読媒体は、少なくとも１つの車両センサによって雨認知率を推定するための命令を記憶することができる。
少なくとも１つの車両センサは、ワイパー制御ユニットに属する。
運転関連動作の実行は、車両の運転者に警告することを含むことができる。
車両を運転するための車両システムが提供されてもよく、この車両システムは、（ａ）車両の挙動を感知し、（ｂ）雨パラメータを感知することの少なくとも１つを実行するように構成されたセンサ（明細書および／または図３、４、２０、４０、４１、４２および５０のうちのいずれか１つに示されるセンサおよび／または車両の雨センサなど）、および、複数の道路区間に関連付けられてもよい雨に関する雨情報を受信または生成し、複数の道路区間における１つまたは複数のアクアプレーニング事象の発生を推定するように構成されてもよいコンピュータ車両（明細書および／または図３、４、２０、４０、４１、４２および５０のうちのいずれか１つに示されるプロセッサのような）と、を備え、１つまたは複数のアクアプレーニング事象の発生の推定は、雨情報、車両の少なくとも１つの雨関連パラメータ、および複数の道路区間の各道路区間に関連し、雨情報と１つ以上のアクアプレーニング事象の発生との間のマッピングと、に基づいてもよい。
車両コンピュータは、１つまたは複数のアクアプレーニング事象の発生の推定に基づいて、運転関連動作の実行を支援するように構成され得る。
複数の道路区間に関連する物理事象を測定する方法は、第１の車両センサによって第１のパラメータセットを測定することを含むことができ、測定は車両が複数の道路区間を運転している間に行われることができ、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含むことができ、第１の車両センサは道路画像センサとは異なり、また車両コンピュータによって、複数の道路区間の運転に関連する検出物理事象を検出することを含み、検出は第１のパラメータセットに基づくことができ、また検出物理事象に関する物理事象情報を生成することを含み、また物理事象情報の少なくとも１つを記憶または送信することを含む。物理事象は、アクアプレーニング事象であってもよい。例として、図１２の方法１０‘および図１３の方法１１‘の各々は、物理事象を検出するために修正されてもよく、アクアプレーニング事象であってもよい。図１４を参照すると、アクアプレーニング事象に関する情報をデータベース６００‘に追加することができ、例えば、固定サイズの疎層６３０‘または可変サイズの疎層６４０‘に追加することができる。
複数の道路区間に関連する物理事象を測定するための非一時的コンピュータプログラム製品が提供されてもよく、その非一時的コンピュータプログラム製品は、第１の車両センサによって第１のパラメータセットを測定するための命令を記憶し、測定は、車両が複数の道路区間を走行している間に行われてもよく、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なり、また車両コンピュータによって複数の道路区間を走行することに関連する検出物理事象を検出するための命令を記憶し、検出は第１のパラメータセットに基づくことができ、検出物理事象に関する物理事象情報を生成し、物理事象情報の少なくとも部分を記憶または送信する命令を記憶し、物理事象はアクアプレーニング事象の発生を含んでもよい。
複数の道路区間に関連する物理事象を測定するためのシステムが提供されてもよく、このシステムは、（ｉ）第１の車両センサから第１のパラメータセットを受信するように構成されてもよく、測定は車両が複数の道路区間上を走行している間に行われ、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なり、（ｉｉ）複数の道路区間上の走行に関連する検出物理事象を検出するように構成されてもよく、検出は第１のパラメータセットに基づいてもよく、また検出物理事象に関する物理事象情報を生成し、物理事象情報の少なくとも一部を格納または送信することを支援するように構成されてもよく、物理事象はアクアプレーニング事象の発生を含んでもよい、車両コンピュータを含んでもよい。
領域の参照マップを生成する方法を提供することができ、この方法は、（ａ）領域に属する道路区間上を走行するときに複数の車両によって検出された物理事象に関する物理事象情報と、（ｂ）複数の車両によって計算された道路区間属性とを通信インターフェースによって受信することを含むことができ、道路区間属性は領域に属する道路区間に関連付けされ、複数の車両の１つの車両の物理事象情報は領域に属する道路区間に関連付けることができ、複数の車両の１つの車両の物理事象情報は車両の第１の車両センサによって感知することができる第１のパラメータセットに基づくことができ、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含むことができ、第１の車両センサは道路画像センサとは異なり、また複数の車両によって検出された検出物理事象に関する物理事象情報と、複数の車両によって計算された道路区間属性とに基づいて、参照マップをコンピュータ化システムによって計算することを含み、検出物理事象はアクアプレーニング事象の発生を含むことができる。図２１の方法８００を参照すると、ステップ８１０は、１つまたは複数のアクアプレーニング事象の発生を示すことができる物理事象情報を受信することを含むことができる。ステップ８２０は、１つまたは複数のアクアプレーニング事象の発生を反映することができる参照マップを計算することを含むことができる。
領域の参照マップを生成するための非一時的コンピュータプログラム製品が提供されてもよく、この非一時的コンピュータプログラム製品は、（ａ）領域に属する道路区間上を走行するときに複数の車両によって検出された物理事象に関する物理事象情報と、（ｂ）複数の車両によって計算された道路区間属性とを、通信インターフェースによって、複数の車両から受信するための命令を格納し、道路区間属性は領域に属する道路区間に関連付けられてもよく、複数の車両の１つの車両の物理事象情報は車両の第１の車両センサによって感知されてもよい第１のパラメータセットに基づいてもよく、第１のパラメータセットは車両ホイール移動パラメータおよび車両加速度パラメータを含んでもよく、第１の車両センサは道路画像センサとは異なり、またコンピュータ化されたシステムによって、複数の車両によって検出された検出物理事象に関する物理事象情報と、複数の車両によって計算された道路区間属性とに基づいて、参照マップを計算するための命令を格納し、検出物理事象はアクアプレーニング事象の発生を含むことができる。
ドライブセッションを決定するための方法が提供されてもよく、この方法は、車両コンピュータによって、車両プロファイル、および車両に先行する経路の部分の勾配を受信または生成することを含んでもよく、車両プロファイルは少なくとも道路経路および車両パラメータに基づいて生成されてもよく、また道路経路および車両パラメータのうちの少なくともいくつかは道路画像センサとは異なる車両センサによって感知することを含んでもよく、また車両コンピュータによって、車両に先行する経路の提案された走行パラメータを決定することを含んでもよく、計算は車両プロファイル、経路部分勾配、外因性制約、および１つ以上のアクアプレーニング事象の発生に関連する情報に少なくとも部分的に基づいてもよいことを含む。外因性制約は、１つ以上のアクアプレーニング事象の発生を含み得る。図２８の方法１２００を参照すると、ステップ１２２０は、外因性制約に反応することができ、１つまたは複数のアクアプレーニング事象の発生（実際のまたは予想される）を含むことができる。
ドライブセッションを決定するための非一時的コンピュータプログラム製品が提供されてもよく、この非一時的コンピュータプログラム製品は、車両コンピュータによって、車両プロファイル、および車両に先行する経路の部分の勾配を受信または生成するための命令であって、車両プロファイルは少なくとも道路経路および車両パラメータに基づいて生成され、道路経路および車両パラメータのうちの少なくともいくつかは道路画像センサとは異なる車両センサによって感知される命令と、車両コンピュータによって、車両に先行する経路の提案された走行パラメータを決定し、計算は車両プロファイル、経路部分勾配、外因性制約、および１つまたは複数のアクアプレーニング事象の発生などに少なくとも部分的に基づいてもよい。
用語「含む」、「備える」、「有する」、「からなる」、および「本質的にからなる」は、交換可能な方法で使用される。例示的な方法では、少なくとも図面および／または明細書に含まれるステップ、図面および／または明細書に含まれるステップのみを含むことができる。
前述の明細書において、本発明は、本発明の実施形態の特定の例を参照して説明されてきた。しかし、添付の発明のより広い精神および範囲から逸脱することなく、様々な修正および変更を行うことができることは明らかであろう。
さらに、明細書および特許請求の範囲における用語「前方」、「後方」、「後ろ」、「頂部」、「底部」、「上方」、「下方」などは、もしあれば、説明の目的のために使用され、必ずしも恒久的な相対位置を説明するために使用されるわけではない。理解されるべき点は、これらの用いられる用語が本願明細書に記載された実施形態を例えば図示された方向又は本願明細書に記載された方向以外の他の方向で動作させるような適切な環境下で相互に交換可能であることである。
本明細書で説明する接続は、例えば中間デバイスを介して、それぞれのノード、ユニット、またはデバイスから、またはそれらに信号を転送するのに適した任意のタイプの接続であってもよい。したがって、暗示または別段の記載がない限り、接続は例えば、直接接続または間接接続であってもよい。接続は、単一の接続、複数の接続、単方向接続、または双方向接続を参照して図示または説明することができる。しかしながら、異なる実施形態は、接続の実装を変えることができる。例えば、双方向接続ではなく、別個の単方向接続を使用することができ、逆もまた同様である。また、複数の接続は複数の信号を直列に、または時間多重方式で転送する単一の接続と置き換えることができる。同様に、複数の信号を搬送する単一の接続は、これらの信号のサブセットを搬送する様々な異なる接続に分離されてもよい。したがって、信号を転送するための多くのオプションが存在する
特定の導電型または電位の極性が実施例で説明されているが、導電型および電位の極性が逆であってもよいことが理解されるのであろう。
当業者は様々な構成要素間の境界が単に例示的なものであり、代替実施形態が様々な構成要素を併合するか、または様々な構成要素に機能性の代替分解を課し得ることを認識するのであろう。したがって、本明細書に示されるアーキテクチャは単に例示的なものであり、実際には、同じ機能を達成する多くの他のアーキテクチャを実装することができることを理解されたい。
同じ機能性を達成するための構成要素の任意の配置は所望の機能性が達成されるように、効果的に「関連付けられ」。したがって、本明細書で組み合わされた任意の２つの構成要素はアーキテクチャまたは中間構成要素にかかわらず、所望の機能性が達成されるように、互いに「関連付けられ」ていると見ることができる。同様に、そのように関連付けられた任意の２つの構成要素は所望の機能性を達成するために、互いに「動作可能に接続され」、または「動作可能に結合され」ていると見ることもできる。
さらに、当業者は、上述の動作間の境界が単に例示的であることを認識するのであろう。複数のオペレーションは単一のオペレーションに組み合わされてもよく、単一のオペレーションは追加のオペレーションに分散されてもよく、オペレーションは時間的に少なくとも部分的に重複して実行されてもよい。さらに、代替実施形態は特定の動作の複数のインスタンスを含むことができ、動作の順序は、様々な他の実施形態で変更することができる。
しかしながら、他の修正、変形及び代替も可能である。したがって、明細書および図面は、限定的な意味ではなく、例示的な意味で見なされるべきである。
図および／または明細書および／または特許請求の範囲のいずれかに示される、システムまたはデバイスまたは装置の任意の構成要素および／またはユニットの任意の構成要素の任意の組み合わせが提供されてもよい。
任意の図面および／または明細書および／または特許請求の範囲に示される任意のシステムおよび／またはデバイスおよび／または装置の任意の組み合わせが提供されてもよい。
図および／または明細書および／または特許請求の範囲のいずれかに示されるステップ、動作および／または方法の任意の組み合わせが提供されてもよい。
図および／または明細書および／または特許請求の範囲のいずれかに示される動作の任意の組み合わせが提供されてもよい。
図および／または明細書および／または特許請求の範囲のいずれかに示される方法の任意の組み合わせが提供されてもよい。
図および／または明細書および／または特許請求の範囲のいずれかに示されるステップ、動作および／または方法の組合せを実行するための命令を記憶することができる１つまたは複数の非一時的コンピュータ可読媒体を提供することができる。
図および／または明細書および／または特許請求の範囲のいずれかに示されるステップ、動作および／または方法の任意の組合せを実行するように構成および配置される１つまたは複数の装置および／またはシステムおよび／またはユニットが提供され得る。
構成され（ｃｏｎｆｉｇｕｒｅｄ）、形成され（ｃｏｎｓｔｒｕｃｔｅｄ）、配置される（ａｒｒａｎｇｅｄ）用語は、互換性のある方法で使用される。
語句「Ｘであってもよい」は、条件Ｘが満たされてもよいことを示す。この句は、条件Ｘが満たされないことも示唆する。
当業者は論理ブロック間の境界が単に例示的なものであり、代替の実施形態が論理ブロックまたは回路要素を併合するか、または様々な論理ブロックまたは回路要素に機能の代替の分解を課し得ることを認識するのであろう。したがって、本明細書に示されるアーキテクチャは単に例示的なものであり、実際には、同じ機能を達成する多くの他のアーキテクチャを実装することができることを理解されたい。
同じ機能性を達成するための構成要素の任意の配置は所望の機能性が達成されるように、効果的に「関連付けられる」。したがって、特定の機能性を達成するために本明細書で組み合わされる任意の２つの構成要素はアーキテクチャまたは中間構成要素に関係なく、所望の機能性が達成されるように、互いに「関連付けられる」と見ることができる。同様に、そのように関連付けられる任意の２つの構成要素は所望の機能性を達成するために、互いに「動作可能に接続される」または「動作可能に結合される」と見ることもできる。
さらに、当業者は、上述の動作間の境界が単に例示的であることを認識するのであろう。複数のオペレーションは単一のオペレーションに組み合わされてもよく、単一のオペレーションは追加のオペレーションに分散されてもよく、オペレーションは時間的に少なくとも部分的に重複して実行されてもよい。さらに、代替実施形態は特定の動作の複数のインスタンスを含むことができ、動作の順序は、様々な他の実施形態で変更することができる。
また、例えば、一実施形態では、図示された実施例が単一の集積回路上または同じデバイス内に配置された回路として実装されてもよい。あるいは、これらの例が任意の数の別個の集積回路として、または適切な方法で互いに相互接続された別個のデバイスとして実装されてもよい。
また、例えば、例、またはその一部は、任意の適切なタイプのハードウェア記述言語などで、物理回路のソフト表現またはコード表現、あるいは物理回路に変換可能な論理表現として実装され得る。
また、本発明は、非プログラマブルハードウェアに実装された物理的デバイスまたはユニットに限定されず、メインフレーム、ミニコンピュータ、サーバ、ワークステーション、パーソナルコンピュータ、ノートパッド、パーソナルデジタルアシスタント、電子ゲーム、自動車および他の埋め込みシステム、携帯電話、ならびに本出願では一般に「コンピュータシステム」と呼ばれる様々な他のワイヤレスデバイスなど、適切なプログラムコードに従って動作することによって所望のデバイス機能を実行することができるプログラマブルデバイスまたはユニットに適用することもできる。
特許請求の範囲において、括弧の間に付された引用符号は、当該クレームを限定するものと解釈してはならない。「備える（ｃｏｍｐｒｉｓｉｎｇ）」という語は、請求項に列挙されたもの以外の他の要素又はステップの存在を排除するものではない。さらに、ここでいう「ａ」又は「ａｎ」という用語は一つ又は複数を意味するものであり、また、クレーム中の「少なくとも１つ」及び「１又は複数」のような導入句の使用は、同じクレームが「１又は複数」又は「少なくとも１つ」の導入句、及び「ａ」又は「ａｎ」のような不明確な物品を含む場合であっても、不明確な物品による他のクレーム要素の導入がこのような導入されたクレーム要素を含む特定の請求項を、一つの当該要素のみを含む発明に限定することを意味するものと解すべきではなく、また、明確な物品の使用についても同様である。特に示されない限り、「第１」及び「第２」のような語は、これらの語が表す要素間を任意に区別するために用いられる。従って、これらの語は必ずしも要素間の時間的又は他の優先順位を示すものではない。特定の手段が相互に異なる請求項に記載されているという単なる事実は、これらの手段の組み合わせが有利に使用されることができないことを示すものではない。
本発明の特定の特徴が本明細書に例示され、説明されてきたが、多くの修正、置換、変更、および均等物が、当業者には今や思い浮かぼう。従って、特許請求の範囲は、そのような修正及び変更全てを本発明の技術思想及び技術的範囲に含まれるものとして保護することを意図していることを理解されたい。

【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13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【図27】

【図28】

【図29】

【図30】

【図31】

【図32】

【図33】

【図34】

【図35】

【図36】

【図37】

【図38】

【図39】

【図40】

【図41】

【図42】

【図43】

【図44】

【図45】

【図46】

【図47】

【図48】

【図49】

【図50】

【図51】

【図52】

【図53】

【図54】

【図55】

【図56】

【図57】