【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、車両の走行時のロード
ノイズに基づいて路面状態を検出する路面状態検出装置
に関する。
【０００２】
【従来の技術】従来、ロードノイズに基づいて車両が走
行している路面の状態を検出する路面状態検出装置と称
呼されるものが提案されている。かかる路面状態検出装
置として、本出願人は、特願平５ー３４００５２号にお
いて、車輪から発生されるロードノイズを検出し、その
検出されたロードノイズの各周波数成分レベルのパター
ンからニューラルネットワークを利用して路面状態を判
定する路面状態検出装置を提案した。
【０００３】
【発明が解決しようとする課題】しかしながら、上記従
来の路面状態検出装置では、一定の周期毎にその都度路
面状態を判別しているために、路面状態が不均一な場合
には全体として判定すべき路面状態と異なった路面状態
が判別されることがある。
【０００４】図６は、従来の路面状態検出装置によって
判別された路面状態の一例を示す図であり、車両Ｃが所
々に水たまり１０１，１０２のある乾燥路面１０３を走
行している場合において、路面状態を検出するタイミン
グとその判別結果を示している。ここで、水たまり１０
１，１０２は、アンチロックブレーキシステムやトラク
ションコントロール等の車体制御を行ったり、運転者に
警報して注意を促したりするほどのものではなく、どち
らかといえば全体として乾燥路面として判定した方がよ
い程度のものである。
【０００５】図６に示すように、乾燥路面１０３を走行
中に水たまり１０１，１０２があり、車両が水たまり１
０１，１０２を走行中に、路面状態の検出が行われる
（検出タイミングＤ，Ｇ）と、路面状態はウェット（Ｗ
ＥＴ）と判別されて、この判別結果に応じて、前記車体
制御や警報等がなされる。しかし、車体制御や警報等を
行うほどの水たまりでなく、全体としては乾燥路面と判
定した方が車両の走行安定性のために望ましい場合であ
っても、判別の都度異なる路面状態と判別され、上記車
体制御等が行われる結果、車両の走行安定性等が損なわ
れると云う不具合があった。
【０００６】本発明は、上記問題に鑑みてなされたもの
で、不均一な路面状態であっても総合的に判定すること
が可能であり、車両の走行安定性等を向上することがで
きる路面状態検出装置を提供することを目的とする。
【０００７】
【課題を解決するための手段】上記目的を達成するため
本発明は、車輪から発生されるロードノイズを検出する
ロードノイズ検出手段と、該ロードノイズ検出手段によ
り検出されたロードノイズに基づいて、一定の周期で路
面状態を判別する第１の判別手段と、該第１の判別手段
からの連続する２つ以上の出力に基づいて、現在の路面
状態を判別する第２の判別手段とを有することを特徴と
する。
【０００８】
【作用】本発明の構成に依れば、ロードノイズ検出手段
によりロードノイズが検出されると、第１の判別手段に
より、そのロードノイズに基づいて、一定の周期で路面
状態が判別され、第２の判別手段により、第１の判別手
段からの判別された連続する２つ以上の出力に基づい
て、現在の路面状態が判別される。
【０００９】
【実施例】以下、本発明の実施例を図面に基づいて詳細
に説明する。
【００１０】図１は、本発明に係る路面状態検出装置の
一実施例の概略構成を示すブロック図である。
【００１１】同図中、１は、ロードノイズを検出するロ
ードノイズ検出手段であり、本実施例ではマイクロフォ
ンにより構成されている。ロードノイズ検出手段１の出
力側は、該ロードノイズ検出手段１により検出されたロ
ードノイズを増幅する増幅器２および該増幅器２により
増幅されたロードノイズの周波数を分析するためのフィ
ルタ３を介して、詳細は後述するが、ニューラルネット
ワークを用いることにより路面状態を判定する判定部４
の一入力側に接続され、該判定部４の他の入力側には、
車両の速度を検出する車速検出手段５の出力側が接続さ
れている。判定部４は、これら入力された２つの信号に
応じて路面状態を判定し、その判定結果を、それぞれ警
報装置および運動制御装置（ともに図示せず）に出力す
る。
【００１２】図２は、前記ロードノイズ検出手段１およ
び車速検出手段５の配設位置を説明する図である。
【００１３】同図において、車両Ｃは前置エンジン車で
あるものとし、マイクロフォンであるロードノイズ検出
手段１は、エンジン騒音の影響が少ない左右の後輪のホ
イールハウス内部の少なくとも一方に、石や水が直接当
たらないように配設され、車速検出手段５は、後輪ホイ
ール内の所定位置に左右の少なくとも一方に配設されて
いる。ここで、車速検出手段５は、車輪速度に応じた電
気的なパルス信号を発生する。
【００１４】次に、判定部４が行う判定方法を、図３〜
図５に基づいて説明する。
【００１５】図３は、本実施例において使用されるニュ
ーラルネットワークモデルを示す図である。本実施例で
は、ニューラルネットワークモデルとして、入力層、中
間層、出力層の３層構造を有するものを用い、その学習
アルゴリズムとして、バックプロパゲーション（Back-P
ropagation；以下「ＢＰ」という）学習アルゴリズム
（このＢＰ学習アルゴリズムの詳細については、特願平
５ー３４００５２号の明細書を参照）を採用した。
【００１６】図３に示すように、本実施例では、入力層
の各細胞に入力される情報は、車速と１／３オクターブ
バンド毎に検出された特定周波数の音圧値であり、これ
らの情報は、結合行列により重み付けされ、中間層の各
細胞に入力される。中間層では、例えばシグモイド関数
により各細胞毎にその出力が決定され、入力層から中間
層への処理と同様に、結合行列により重み付けされた出
力が、出力層の各細胞に入力される。さらに、出力層で
は、前記中間層での処理と同様にしてシグモイド関数に
より各細胞毎にその出力が決定される。
【００１７】出力層の各細胞から出力される値は、シグ
モイド関数の値であるために、０〜１の範囲のいずれか
の値になる。即ち、出力層の各細胞は、「確からしさ」
を出力していることになる。この「確からしさ」の大き
さにより、路面状態のタイプＴＹＰＥｎ，ｎ＝１，２，
…が１つ決まる。
【００１８】そして、学習の目標は、第１層（入力層）
にある入力が与えられたときに、第３層（出力層）の出
力を、現在走行中の路面状態、即ち路面状態に応じた所
望のＴＹＰＥｎの確からしさに一致させることである。
具体的には、図４に示すように、車輪からのロードノイ
ズを前記ロードノイズ検出手段１によりデータサンプリ
ングし、そのサンプリングされたデータを周波数分析し
た後に、図３で説明したように車速データとともに入力
層へ入力させる。そして、現在の路面状態と出力層から
の最終出力（確からしさ）による路面のタイプとが一致
するように、前記結合行列の各要素（重み）を決定す
る。
【００１９】以上のようにして学習されたニューラルネ
ットワークを用いて判別部４が行う制御処理を、以下、
図５を参照して説明する。
【００２０】図５は、本実施例の路面状態検出装置によ
って判別された路面状態の判別結果を示す図であり、前
記図６と同様に、車両Ｃが水たまり１１，１２のある乾
燥路面１３を走行している場合に、路面状態を検出する
タイミングおよびその判別結果を示している。
【００２１】車両Ｃが走り出し、判別部４は、タイミン
グＡの時点でニューラルネットワークを用いて路面状態
を判別すると、その判別結果、即ち前述した第３層から
の出力値のうち最大のものを図示しないメモリの所定領
域に確保された現在値領域に記憶するとともに、路面状
態を乾燥路（ＤＲＹ）であると決定する。
【００２２】次に、同様にして、タイミングＢの時点で
路面状態を判別し、前記現在値領域に記憶された値をこ
の領域と別の領域に確保された前回値領域に移動した後
に、その判別結果を現在値領域に記憶し、前回値領域の
内容と現在値領域の内容との平均値を算出して路面状態
を決定する。図５の例では、タイミングＡ，Ｂでのニュ
ーラルネットワークによる判別結果はともに乾燥路であ
るので、その平均も乾燥路であり、結果として乾燥路と
判別される。
【００２３】次に、同様にして、タイミングＣの時点で
路面状態を判別し、前記前回値領域に記憶された値をこ
の領域と別の領域に確保された前々回値領域に移動する
とともに、前記現在値領域に記憶された値を前回値領域
に移動した後に、その判別結果を現在値領域に記憶し、
前々回値領域の内容と前回値領域の内容と現在値領域の
内容の平均値を算出して路面状態を決定する。このと
き、タイミングＡ〜Ｃでのニューラルネットワークによ
る判別結果はすべて乾燥路であるので、その平均も乾燥
路であり、結果として乾燥路と判別される。
【００２４】さらに、同様にして、タイミングＤの時点
で路面状態を判別する。判別後の処理は、前記タイミン
グＣの処理と同様であるので、その説明を省略する。こ
のとき、タイミングＢ，Ｃでのニューラルネットワーク
による判別結果はともに乾燥路であり、タイミングＤで
のニューラルネットワークによる判別結果はウェット路
であるが、これらの平均値による判別結果は乾燥路であ
るために、タイミングＤの時点でも結果として乾燥路と
判別される。
【００２５】以下、タイミングＣ，Ｄでの判別と同様の
判別により、タイミングＥ〜Ｈでの判別結果は乾燥路と
なる。
【００２６】以上説明したように、本実施例では、ニュ
ーラルネットワークによる３回の路面状態の判別結果の
移動平均を取るようにし、路面状態を総合的に判別する
ことができる。
【００２７】なお、本実施例では、移動平均を取るデー
タの個数を３個としたが、これに限らず、２個以上であ
ればどのような値であってもよい。
【００２８】また、最新の判別結果を前回および前々回
の判別結果より重視するようにしてもよい。例えば、本
実施例のように３個のデータの平均を取る場合には、
（現在値領域の値×３＋前回値領域の値×２＋前々回値
領域の値）／６
のように、各領域の値に異なる重み付けを行えばよい。
なお、重み付けの値や方法はこれに限らないことは云う
までもない。
【００２９】なお、本実施例では、路面状態の判別にニ
ューラルネットワークを用いたが、これに限らず他の路
面状態の判別手法を用いてもよい。
【００３０】
【発明の効果】以上説明したように、本発明に依れば、
ロードノイズ検出手段によりロードノイズが検出される
と、第１の判別手段により、そのロードノイズに基づい
て、一定の周期で路面状態が判別され、第２の判別手段
により、第１の判別手段からの判別された連続する２つ
以上の出力に基づいて、現在の路面状態が判別されるの
で、不均一な路面状態であっても総合的に判定すること
が可能であり、車両の走行安定性等を向上することがで
きる効果を奏する。Description: BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a road surface condition detecting device for detecting a road surface condition based on road noise during running of a vehicle. 2. Description of the Related Art Conventionally, there has been proposed a so-called road condition detecting device for detecting a condition of a road on which a vehicle is traveling based on road noise. As such a road surface condition detecting device, the applicant of the present application has disclosed in Japanese Patent Application No. 5-340052, which detects a road noise generated from wheels and uses a neural network from a pattern of each frequency component level of the detected road noise. A road surface condition detecting device that determines the road surface condition is proposed. [0003] However, in the above-mentioned conventional road surface state detecting device, the road surface state is discriminated at every fixed period, so that when the road surface state is not uniform, the whole road surface state detecting device is not used. A road surface state different from the road surface state to be determined may be determined. FIG. 6 is a diagram showing an example of a road surface state determined by a conventional road surface state detecting device. In the case where the vehicle C is traveling on a dry road surface 103 having puddles 101 and 102 in some places, the road surface is not shown. The timing at which the state is detected and the determination result are shown. Here, puddle 10
1,102 does not control the vehicle body such as an anti-lock brake system or traction control, and does not warn the driver to warn the driver. Instead, it is better to judge it as a dry road surface as a whole A good degree. As shown in FIG. 6, there are puddles 101 and 102 while traveling on a dry road surface 103,
When the road surface state is detected (detection timings D and G) while the vehicle is traveling on roads 01 and 102, the road surface state becomes wet (W
ET), and the vehicle control, the warning, and the like are performed according to the determination result. However, even if it is not a puddle enough to perform body control or an alarm, etc., and it is desirable to determine a dry road as a whole for running stability of the vehicle, it is determined that a different road surface state is required for each determination, As a result of the above-described vehicle control and the like, there is a problem that running stability and the like of the vehicle are impaired. SUMMARY OF THE INVENTION The present invention has been made in view of the above-described problems, and can comprehensively determine even an uneven road surface condition, and can improve the running stability and the like of a vehicle. It is an object to provide a state detection device. [0007] To achieve the above object, the present invention provides a road noise detecting means for detecting road noise generated from wheels, and a method for detecting road noise detected by the road noise detecting means. First determining means for determining a road surface state at a constant cycle based on the first determination means; and second determining means for determining a current road surface state based on two or more continuous outputs from the first determining means. And characterized in that: According to the structure of the present invention, when the road noise is detected by the road noise detecting means, the first discriminating means discriminates the road surface condition at a constant cycle based on the road noise. Then, the current road surface state is determined by the second determination means based on the two or more consecutive outputs determined from the first determination means. Embodiments of the present invention will be described below in detail with reference to the drawings. FIG. 1 is a block diagram showing a schematic configuration of an embodiment of a road surface condition detecting apparatus according to the present invention. In FIG. 1, reference numeral 1 denotes a road noise detecting means for detecting road noise, which is constituted by a microphone in this embodiment. The output side of the road noise detecting means 1 is connected via an amplifier 2 for amplifying the road noise detected by the road noise detecting means 1 and a filter 3 for analyzing the frequency of the road noise amplified by the amplifier 2, Although the details will be described later, the determination unit 4 that determines the road surface state by using a neural network
The other input side of the determination unit 4 is connected to one input side of
The output side of the vehicle speed detecting means 5 for detecting the speed of the vehicle is connected. The determination unit 4 determines a road surface state according to the two input signals, and outputs the determination result to an alarm device and a motion control device (both not shown). FIG. 2 is a view for explaining the arrangement positions of the road noise detecting means 1 and the vehicle speed detecting means 5. In FIG. 1, it is assumed that a vehicle C is a front engine vehicle, and a road noise detecting means 1 as a microphone is provided with a stone or the like on at least one of the left and right rear wheel houses which are less affected by engine noise. The vehicle speed detecting means 5 is disposed so as not to be directly hit by water, and the vehicle speed detecting means 5 is disposed at a predetermined position in the rear wheel on at least one of left and right. Here, the vehicle speed detecting means 5 generates an electric pulse signal corresponding to the wheel speed. Next, the determination method performed by the determination unit 4 will be described with reference to FIGS.
A description will be given based on FIG. FIG. 3 is a diagram showing a neural network model used in the present embodiment. In the present embodiment, a neural network model having a three-layer structure of an input layer, an intermediate layer, and an output layer is used, and a back propagation (Back-P
ropagation (hereinafter referred to as "BP") learning algorithm (for details of the BP learning algorithm, see the specification of Japanese Patent Application No. 5-340052). As shown in FIG. 3, in this embodiment, information input to each cell in the input layer is a vehicle speed and a sound pressure value of a specific frequency detected for each 1/3 octave band. The information is weighted by the connection matrix and input to each cell of the hidden layer. In the hidden layer, the output is determined for each cell by, for example, a sigmoid function, and similarly to the processing from the input layer to the hidden layer, the output weighted by the connection matrix is input to each cell in the output layer. Further, in the output layer, the output is determined for each cell by the sigmoid function in the same manner as the processing in the intermediate layer. Since the value output from each cell in the output layer is a value of the sigmoid function, it takes any value in the range of 0 to 1. In other words, each cell in the output layer is called
Is output. The type of road surface type TYPEn, n = 1,2,2
... is decided. The goal of learning is the first layer (input layer)
Is given, the output of the third layer (output layer) is made to coincide with the road surface state currently running, that is, the likelihood of a desired TYPEn corresponding to the road surface state.
Specifically, as shown in FIG. 4, the road noise from the wheels is subjected to data sampling by the road noise detecting means 1, and the sampled data is subjected to frequency analysis, and then together with the vehicle speed data as described in FIG. Input to the input layer. Then, each element (weight) of the connection matrix is determined so that the current road surface state matches the road surface type based on the final output (probability) from the output layer. The control process performed by the discrimination unit 4 using the neural network learned as described above will be described below.
This will be described with reference to FIG. FIG. 5 is a diagram showing a result of the determination of the road surface state determined by the road surface state detecting device of this embodiment. As shown in FIG. The table shows the timing of detecting the road surface condition and the result of the determination when the vehicle is running. When the vehicle C starts running and the discriminating section 4 discriminates the road surface condition using the neural network at the timing A, the discrimination result, that is, the largest one of the output values from the third layer described above is shown. It stores the current value area secured in a predetermined area of the memory not to be used, and determines that the road surface state is a dry road (DRY). Next, in the same manner, the road surface condition is determined at the timing B, and the value stored in the current value area is moved to the previous value area secured in an area different from this area. The determination result is stored in the current value area, and the average value of the contents of the previous value area and the contents of the current value area is calculated to determine the road surface condition. In the example of FIG. 5, since the determination results by the neural network at the timings A and B are both dry roads, the average is also a dry road, and as a result, the dry road is determined. Next, in the same manner, the road surface condition is determined at the timing C, and the value stored in the previous value area is moved to the pre-last value area secured in a different area from the previous value area. After moving the value stored in the current value area to the previous value area, store the determination result in the current value area,
The road surface condition is determined by calculating the average value of the contents of the previous value region, the contents of the previous value region, and the contents of the current value region. At this time, since the results of the discrimination by the neural network at the timings A to C are all dry roads, the average is also a dry road, and as a result, it is determined to be a dry road. In a similar manner, the road surface condition is determined at the timing D. The processing after the determination is the same as the processing at the timing C, and a description thereof will be omitted. At this time, the result of the discrimination by the neural network at the timings B and C is a dry road, and the result of the discrimination by the neural network at the timing D is a wet road. In addition, even at the timing D, the drying path is determined as a result. Hereinafter, by the same determination as the determination at the timings C and D, the determination result at the timings E to H is a dry road. As described above, in this embodiment, a moving average of the results of the three times of determination of the road surface state by the neural network is taken, whereby the road surface state can be comprehensively determined. In the present embodiment, the number of pieces of data for which a moving average is calculated is three, but the present invention is not limited to this, and any value may be used as long as it is two or more. It is also possible to give more importance to the latest discrimination result than to the previous discrimination results and the previous two discrimination results. For example, when taking the average of three data as in this embodiment, the value of each area is calculated as follows: (current value area value × 3 + previous value area value × 2 + previous last time value area value) / 6. The values may be weighted differently.
It goes without saying that the weight value and method are not limited to these. In the present embodiment, the neural network is used for determining the road surface condition. However, the present invention is not limited to this, and another method for determining the road surface condition may be used. As described above, according to the present invention,
When the road noise is detected by the road noise detecting means, the road surface state is determined at a constant cycle by the first determining means based on the road noise, and the second determining means determines the road surface condition from the first determining means. The current road surface condition is determined based on the two or more consecutive outputs determined as above, so that it is possible to comprehensively determine even the uneven road surface condition, and the running stability of the vehicle can be determined. And the like can be improved.
【図面の簡単な説明】
【図１】本発明に係る路面状態検出装置の一実施例の概
略構成を示すブロック図である。
【図２】図１のロードノイズ検出手段および車速検出手
段の配設位置を説明する図である。
【図３】本実施例において使用されるニューラルネット
ワークモデルを示す図である。
【図４】図３のネットワークに学習させる方法を説明す
るための図である。
【図５】本実施例の路面状態検出装置によって判別され
た路面状態の判別結果を示す図である。
【図６】従来の路面状態検出装置によって判別された路
面状態の一例を示す図である。
【符号の説明】
１ ロードノイズ検出手段
４ 判定部（第１の判別手段、第２の判別手段）BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a block diagram showing a schematic configuration of an embodiment of a road surface state detecting device according to the present invention. FIG. 2 is a diagram illustrating the arrangement positions of a road noise detecting unit and a vehicle speed detecting unit of FIG. 1; FIG. 3 is a diagram showing a neural network model used in the present embodiment. FIG. 4 is a diagram for explaining a method of causing the network of FIG. 3 to learn. FIG. 5 is a diagram illustrating a determination result of a road surface state determined by the road surface state detection device of the embodiment. FIG. 6 is a diagram illustrating an example of a road surface state determined by a conventional road surface state detection device. [Description of Signs] 1 Road noise detection means 4 Judgment unit (first judgment means, second judgment means)
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 板垣 温
埼玉県和光市中央１丁目４番１号 株式
会社本田技術研究所内
(72)発明者 窪谷 英樹
埼玉県和光市中央１丁目４番１号 株式
会社本田技術研究所内
(56)参考文献 特開 平６−138018（ＪＰ，Ａ)
特開 平３−273967（ＪＰ，Ａ)
特開 平６−50878（ＪＰ，Ａ)
実開 平２−75562（ＪＰ，Ｕ)
塩塚稔也（外４名），路面分類と車両
の適応振動制御へのニューラルネットワ
ークの応用，「運動と振動の制御」シン
ポジウム講演論文集，日本，社団法人
日本機械学会，1991年９月２日，Ｎｏ.
910−52，73−78
大羽勝弘（外３名），Ｆｕｚｚｙ Ｌ
ｏｇｉｃを用いた路面推定，自動車技術
会学術講演会前刷集，日本，社団法人
自動車技術会，1988年５月24日，Ｎｏ.
881，109−112
吉田和夫（外３名），カルマンフィル
タによる路面と車両の状態推定，日本機
械学会論文集Ｃ編，日本，社団法人 日
本機械学会，1989年７月25日，第55巻
第515号，1672−1679
(58)調査した分野(Int.Cl.7，ＤＢ名)
G08G 1/00 - 1/16
B60R 16/02
B60T 7/12 - 8/00
B60T 8/32 - 8/96
G01N 17/00 - 19/10
ＪＩＣＳＴファイル（ＪＯＩＳ)──────────────────────────────────────────────────続 き Continuing from the front page (72) Inventor Atsushi Itagaki 1-4-1 Chuo, Wako-shi, Saitama Stock Company Inside Honda R & D Co., Ltd. (72) Inventor Hideki Kubotani 1-4-1 Chuo, Wako-shi, Saitama Stock (56) References JP-A-6-138018 (JP, A) JP-A-3-273967 (JP, A) JP-A-6-50878 (JP, A) Jpn. JP, U) Toshiya Shiozuka (four others), Application of neural network to road surface classification and adaptive vibration control of vehicle, Proceedings of "Motion and Vibration Control" Symposium, Japan Society of Mechanical Engineers, September 2, 1991, Nos. 910-52, 73-78 Katsuhiro Oba (three outside), Road surface estimation using Fuzzy Logic, Preprints of the Automotive Engineering Society Academic Lecture Japan, Japan Society of Automotive Engineers, May 24, 1988, No. 881, 109-112 Kazuo Yoshida (three outside), Estimation of road surface and vehicle state using Kalman filter, Transactions of the Japan Society of Mechanical Engineers, C, Japan, Japan Society of Mechanical Engineers, July 25, 1989, Vol. 55, No. 515, 1672-1679 (58) Fields investigated (Int. Cl. 7 , DB name) G08G 1/00-1/16 B60R 16/02 B60T 7/12-8/00 B60T 8/32-8/96 G01N 17/00-19/10 JICST file (JOIS)