用于预测道路网内道路摩擦力的设备和方法技术

用于使用来自连接车辆车队(V1‑n)的数据(D1‑Dn)预测道路摩擦力的系统和方法。每个车队车辆包括用于向后端系统(5)报告浮动汽车数据集(D1‑Dn)的通信设备(4)，浮动汽车数据集包括车辆位置、时间数据以及关于确定道路摩擦力影响参数和与该位置(P1‑Pn)相关的确定道路摩擦力的数据。在预定时段内在中心数据库(6)内收集和集成数据集(D1‑Dn)。使用集成的数据集(D1‑Dn)训练和验证神经网络计算机(7)以产生预测用于特定道路网(3)位置(P1‑Pn)或与该特殊位置(P1‑Pn)相关部段的将来道路摩擦力的模型。一旦训练和验证，神经网络计算机(7)将在接收相同类型的最新输入数据时使用模型来预测这种特殊位置(P1‑Pn)或道路网(3)部段的将来道路摩擦力。

【技术实现步骤摘要】
用于预测道路网内道路摩擦力的设备和方法
本专利技术涉及一种使用来自配备相应定位系统和在对道路摩擦力感兴趣的道路网内行进期间能够确定多个道路摩擦力影响参数的一个或多个相应的传感器系统的连接车辆车队的数据预测所述道路摩擦力的系统。本专利技术进一步涉及一种使用来自配备相应定位系统和在对道路摩擦力感兴趣的道路网内行进期间能够确定多个道路摩擦力影响参数的一个或多个相应的传感器系统的连接车辆车队的数据预测所述道路摩擦力的方法。本专利技术进一步涉及一种适于形成连接车辆车队的一部分的连接车辆，所述连接车辆配备定位系统和在对道路摩擦力感兴趣的道路网内行进期间能够确定多个道路摩擦力影响参数的一个或多个相应的传感器系统。
技术介绍
已经观察到，道路摩擦力随着时间的动态变化典型地取决于构成道路网的不同道路部段的特定特征。在一些道路部段中，例如如果路面自由地暴露于阳光，则路面的冰将融化的更快。在其它道路部段内，例如如果这些道路部段靠近开阔水面，在低温天气路面的冰将更快地形成。影响道路摩擦力的属性与地貌剖面的形状、地理拓扑结构、地质学有关。参数的数量和组合的大量化使得很难而非不可能产生预报包括道路摩擦力的道路状本文档来自技高网...

【技术保护点】
一种使用来自配备相应定位系统(1)和在对道路摩擦力感兴趣的道路网(3)内行进期间能够确定多个道路摩擦力影响参数的一个或多个相应的传感器系统(2)的连接车辆(V1‑n)的车队的数据来预测所述道路摩擦力的系统，其特征在于，所述连接车辆V1‑n的车队中每个相应的车辆包括：通信设备(4)，被设置为与后端系统(5)通信以连续地报告浮动汽车数据集(D1‑Dn)，所述浮动汽车数据集(D1‑Dn)包括所述道路网(3)内连接车辆的位置(P1‑Pn)、时间数据以及关于所确定的道路摩擦力影响参数和有关所述道路网(3)内位置(P1‑Pn)的确定道路摩擦力的数据；并且用于预测道路摩擦力的所述系统进一步包括：位于所述后端...

【技术特征摘要】
2016.02.11 EP 16155263.31.一种使用来自配备相应定位系统(1)和在对道路摩擦力感兴趣的道路网(3)内行进期间能够确定多个道路摩擦力影响参数的一个或多个相应的传感器系统(2)的连接车辆(V1-n)的车队的数据来预测所述道路摩擦力的系统，其特征在于，所述连接车辆V1-n的车队中每个相应的车辆包括：通信设备(4)，被设置为与后端系统(5)通信以连续地报告浮动汽车数据集(D1-Dn)，所述浮动汽车数据集(D1-Dn)包括所述道路网(3)内连接车辆的位置(P1-Pn)、时间数据以及关于所确定的道路摩擦力影响参数和有关所述道路网(3)内位置(P1-Pn)的确定道路摩擦力的数据；并且用于预测道路摩擦力的所述系统进一步包括：位于所述后端系统(5)中的中心数据库(6)，被设置为收集所述车队内的连接车辆(V1-n)所报告的浮动汽车数据集(D1-Dn)和在所述中心数据库(6)内集成预定时段内这种浮动汽车数据集(D1-Dn)的系列；以及神经网络计算机(7)，被设置为使用来自所述车队内连接车辆(V1-n)的集成浮动汽车数据集(D1-Dn)被训练和验证以产生基于相同类型的最新输入数据预测所述道路网(3)内特定位置(P1-Pn)处将来道路摩擦力的模型；以及可选数据预处理设备(10)，被设置为如果用于训练和验证所述神经网络计算机(7)的数据没有被默认适当地结构化，则将所述浮动汽车数据集(D1-Dn)预处理为适当的结构；所述神经网络计算机(7)进一步被设置为一旦被训练和验证，则接收相同类型的最新输入数据并且使用所产生的模型预测所述道路网(3)内特定位置(P1-Pn)或所述道路网(3)的与该特定位置(P1-Pn)相关的部段的将来道路摩擦力。2.根据权利要求1所述的系统，其特征在于：来自所述连接车辆(V1-n)的车队的每个相应车辆的所述浮动汽车数据集(D1-Dn)包括但不局限于环境温度、刮水器速度、空气湿度、太阳载荷、雾灯起动和检测到的实际道路摩擦力。3.根据权利要求1到2任意一项所述的系统，其特征在于：所述通信设备(4)被设置为通过用于无线通信特别是基于蜂窝网络等等的无线数据通信的设备与所述后端系统(5)通信。4.根据权利要求1-3任意一项所述的系统，其特征在于：在所述中心数据库(6)内集成的浮动汽车数据集(D1-Dn)的每个系列包括涉及在所述道路网(3)内特定位置(P1-Pn)或所述道路网(3)与该特定位置(P1-Pn)相关的部段的在所报告的涉及所述道路网(3)内特定位置(P1-Pn)或所述道路网(3)的与该特定位置(P1-Pn)相关的部段的确定道路摩擦力之前的特定时间窗内的所有浮动汽车数据。5.根据权利要求1-4任意一项所述的系统，其特征在于：所述神经网络计算机(7)进一步被设置为以基于预定时间间隔或基于来自所述车队内连接车辆(V1-n)的自所述神经网络计算机(7)先前训练和验证以来在所述中心数据库(6)内收集和集成的预确定量的浮动汽车数据集(D1-Dn)的可用性的再训练频率再训练和再验证以产生预测将来道路摩擦力的最新模型。6.根据权利要求1-5任意一项所述的系统，其特征在于：所述神经网络计算机(7)进一步被设置为除了使用来自所述车队内连接车辆(V1-n)的集成浮动汽车数据集(D1-Dn)外、还使用所述道路网(3)内特定位置(P1-Pn)处或所述道路网(3)与该特定位置(P1-Pn)相关的部段处与时间相关的天气预报数据来训练和验证，以产生预测所述道路网(3)内特定位置(P1-Pn)处将来道路摩擦力的模型。7.根据权利要求1-5任意一项所述的系统，其特征在于：所述神经网络计算机(7)进一步被设置为除了使用来自所述车队内连接车辆(V1-n)的集成浮动汽车数据集(D1-Dn)外、还使用所述道路网(3)内特定位置(P1-Pn)处或所述道路网(3)与该特定位置(P1-Pn)相关的部段处与时间相关的实际天气数据来训练和验证，以产生预测所述道路网(3)内特定位置(P1-Pn)处将来道路摩擦力的模型。8.一种使用来自配备相应定位系统(1)和对道路摩擦力感兴趣的道路网(3)内行进期间能够确定多个道路摩擦力影响参数的一个或多个相应的传感器系统(2)的连接车辆(V...

【专利技术属性】
技术研发人员：E·伊斯拉埃尔松，N·穆罕默迪哈，G·帕纳汉德，
申请(专利权)人：沃尔沃汽车公司，
类型：发明
国别省市：瑞典,SE