專利名稱：一種路面濕滑狀態(tài)識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及車輛行駛安全技術(shù)領(lǐng)域，具體涉及一種路面濕滑狀態(tài)識別方法。
背景技術(shù)：
保證車輛安全平順行駛(如ABS、 ASR、 EBD、 ESP等)所必需的制動力和驅(qū)動力， 在很大程度上取決于路面附著系數(shù)。而路面附著系數(shù)又與路面濕滑狀態(tài)有關(guān)，路面 濕滑狀態(tài)包括干燥路面、潮濕路面、雪路面和冰路面。如圖1所示，干燥路面附著 系數(shù)可達(dá)l.O，潮濕路面附著系數(shù)不到0.8，雪面附著系數(shù)0.2以下，而冰面附著 系數(shù)還不到O. 1?？梢?，車輛為了獲得較大制動力和驅(qū)動力，首先必須識別出路面 濕滑狀態(tài)。目前，路面濕滑狀態(tài)識別方法如下
德國奧迪汽車公司在Allroad Quattro Conc印t概念車上采用的"Road Vision" 系統(tǒng)，該系統(tǒng)向前方路面發(fā)射紅外線，并接收路面反射紅外線，路面濕滑狀態(tài)不同， 紅外線反射時偏振狀態(tài)不同，通過分析反射紅外線偏振狀態(tài)，即可識別路面濕滑狀 態(tài)。但是對于"RoadVision"系統(tǒng)來說，因為路面不平，車輛在行使過程中產(chǎn)生振動， 引起紅外線發(fā)射裝置上下振動，向路面所發(fā)射的紅外線入射角不穩(wěn)定，致使所接收 到的反射紅外線信號不穩(wěn)定性，造成紅外線偏振光分析可靠性降低。
"Imminent icing condition e誰ciator，，(美國專禾U號5,796,344)系統(tǒng) 測量路面溫度和空氣溫度，根據(jù)路面溫度、路面溫度變化范圍、空氣溫度以及空氣 溫度變化率，制定路面狀態(tài)模糊識別規(guī)則，利用模糊規(guī)則識別路面冰層的方法。但 對于"Imminent icing condition enunciator"來說，該方法沒有考慮月份、地 區(qū)、時刻、濕度等因素對路面溫度和空氣溫度的影響，同時模糊規(guī)則制定主要依賴 f經(jīng)驗，而且建立準(zhǔn)確的模糊規(guī)則是很困難的。
"Infrared imaging system"(美國專利公開號:US2009078870 (Al))系統(tǒng) 向路面發(fā)射特定頻段的紅外線，采用紅外成像儀接收路面反射的紅外線成像，路面 冰層將影響紅外線的反射量，根據(jù)紅外線成像識別路面冰層。但對于"Infrared imaging system"系統(tǒng)來說，路面表面比較粗糙，會對系統(tǒng)發(fā)射的紅外線產(chǎn)生散射， 降低紅外線反射強(qiáng)度，同時外界環(huán)境溫度對反射紅外線強(qiáng)度也有影響。
以上系統(tǒng)主要是針對路面的冰層進(jìn)行識別，而未對路面潮濕狀態(tài)進(jìn)行識別，而 且還沒有考慮月份、地區(qū)、時刻及濕度對路面冰層識別的影響，因此識別結(jié)果準(zhǔn)確 度不高。

發(fā)明內(nèi)容
針對上述問題，本發(fā)明的目的是提供一種能夠準(zhǔn)確識別出路面濕滑狀態(tài)的路面 濕滑狀態(tài)識別方法。
為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案 一種路面濕滑狀態(tài)識別方法，它 包括以下步驟1)建立一包括輸入層、隱含層和輸出層的路面濕滑狀態(tài)識別BP人 工神經(jīng)網(wǎng)絡(luò)，其中，輸入層接收月份、地區(qū)、時刻、空氣濕度、路面溫度以及路面
溫度與氣溫溫差的6維輸入向量；隱含層包括多個預(yù)置有tansig函數(shù)的神經(jīng)元節(jié)
點(diǎn)，該神經(jīng)元節(jié)點(diǎn)根據(jù)所述輸入層的輸入向量進(jìn)行計算，輸入向量的計算表達(dá)式為
《=6
.'=1
式中，/=1、 2、、 K， K為輸入向量維數(shù)，；/為第z'個輸入向量；_/=1、 2、…、
N， N為隱含層神經(jīng)元的個數(shù)，w為隱含層第y個神經(jīng)元的輸出值；/『'為隱含層內(nèi)
對應(yīng)y的網(wǎng)絡(luò)權(quán)系數(shù)，V為隱含層第y個閾值系數(shù)；輸出層包括一預(yù)置有purelin 函數(shù)的神經(jīng)元節(jié)點(diǎn)，該神經(jīng)元節(jié)點(diǎn)根據(jù)隱含層計算的結(jié)果計算輸出向量，輸出向量 的計算表達(dá)式為
附y(tǒng) = tan俯
W = 4
式中，w為隱含層第y個神經(jīng)元的輸出值，/『卩為輸出層內(nèi)對應(yīng)w的網(wǎng)絡(luò)權(quán)系數(shù)，
6為輸出層的閾值系數(shù)，m為輸出向量；2)根據(jù)步驟l)測量不同月份、不同地區(qū) 和不同時刻的空氣濕度、路面溫度、路面溫度與氣溫溫差以及路面濕滑狀態(tài)，并定 義輸入向量和輸出向量；3)利用步驟2)中的測量值離線訓(xùn)練路面濕滑狀態(tài)識別 BP人工神經(jīng)網(wǎng)絡(luò)，以獲得隱含層的網(wǎng)絡(luò)權(quán)系數(shù)/『'和閾值系數(shù)V，以及輸出層的網(wǎng) 絡(luò)權(quán)系數(shù)/W^和閾值系數(shù)&; 4)將步驟3)中訓(xùn)練獲得的網(wǎng)絡(luò)權(quán)系數(shù)/^、 /『〃和 閾值系數(shù)V、 6嵌入車載ECU內(nèi)，根據(jù)實際輸入的月份、地區(qū)、時刻、濕度、路面 溫度及路面溫度與氣溫溫差，并結(jié)合輸入向量和輸出向量的計算式，計算輸出向量； 5)根據(jù)步驟4)計算得出的輸出向量，并依據(jù)步驟2)中定義的輸出向量，判斷出 路面濕滑狀態(tài)，并通過顯示裝置向駕駛員提供相應(yīng)路面濕滑信息。
所述步驟l)中，tansig函數(shù)的表達(dá)式為:f(x)=l/(l+e—x); purelin函數(shù)的表 達(dá)式為f(x)=kx。
,所述步驟2)中，路面濕滑狀態(tài)識別人工神經(jīng)網(wǎng)絡(luò)的輸入向量定義如下月份 輸入值與實際月份相同，月份輸入值分別為l、 2、…、11和12;將整個國家按照
地理位置劃分為東區(qū)、西區(qū)、南區(qū)、北區(qū)、中區(qū)、沿海6個區(qū)域，地區(qū)輸入值根據(jù)
5實際地理位置確定，東區(qū)的地區(qū)輸入值為1，南區(qū)的地區(qū)輸入值為2，西區(qū)的地區(qū) 輸入值為3，北區(qū)的地區(qū)輸入值為4，中區(qū)的地區(qū)輸入值為5，沿海的地區(qū)輸入值為 6;將一天24小時劃分為24個時間段，根據(jù)實時時間的小時值，時刻輸入值分別 為0、 1、 2、、 22和23;濕度、路面溫度、路面溫度與氣溫的溫差的輸入值為實 際測量值；輸出向量定義如下輸出向量值范圍為0 10， 0代表干燥路面，3 6 代表潮濕路面，8代表路面為雪路面，IO代表路面為冰路面。
輸出向量值接近0，則判斷當(dāng)前路面為干燥路面；輸出向量值接近3 6，則判 斷當(dāng)前路面為潮濕路面；輸出向量值接近8，則判斷當(dāng)前路面為雪面；輸出向量值 接近IO，則判斷當(dāng)前路面為冰面。
本發(fā)明由于采取以上技術(shù)方案，其具有以下優(yōu)點(diǎn)1、本發(fā)明由于首先建立了 包括輸入層、隱含層和輸出層的路面濕滑狀態(tài)識別BP (Back Propagation)人工神 經(jīng)網(wǎng)絡(luò)，隱含層和輸出層內(nèi)的神經(jīng)元節(jié)點(diǎn)內(nèi)分別預(yù)設(shè)置有相應(yīng)的函數(shù)，通過BP人 工神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練確定隱含層和輸出層的網(wǎng)絡(luò)權(quán)系數(shù)和閾值系數(shù)，再將網(wǎng)絡(luò)權(quán)系 數(shù)和閾值系數(shù)嵌入車載ECU (Electronic Control Unit,電子控制單元)內(nèi)，ECU 根據(jù)實際的輸入的月份、地區(qū)、時刻、濕度、路面溫度及路面溫度與氣溫溫差，并 結(jié)合式神經(jīng)元節(jié)點(diǎn)內(nèi)的函數(shù)，計算神經(jīng)輸出向量，從而判斷出路面濕滑狀態(tài)，提醒 駕駛員當(dāng)前路面濕滑狀況，有利于行車安全。2、由于本發(fā)明可以根據(jù)月份、地區(qū)、 時刻、濕度、路面溫度及氣溫主動得出的路面濕滑狀態(tài)，同時汽車也可以通過車載 GPRS通信終端將路面濕滑狀態(tài)發(fā)送至氣象站，由氣象站匯總車輛發(fā)送的路面濕滑狀 態(tài)信息，動態(tài)監(jiān)測公路網(wǎng)濕滑狀態(tài)。3、由于本發(fā)明可以使車輛上的主動安全ECU 根據(jù)路面濕滑狀態(tài)，并利用路面濕滑狀態(tài)與路面附著系數(shù)關(guān)系，再結(jié)合路面類型， 估算出路面最大附著系數(shù)，進(jìn)而計算出車輛最大附著力、最佳剎車距離和最大剎車 減速度等。


圖1是路面濕滑狀態(tài)與路面附著系數(shù)及滑移率關(guān)系 圖2是路面濕滑狀態(tài)識別人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
具體實施例方式
下面結(jié)合實施例，對本發(fā)明進(jìn)行詳細(xì)的描述。
本發(fā)明包括以下步驟
1)建立路面濕滑狀態(tài)識別BP人工神經(jīng)網(wǎng)絡(luò)l。
如圖2所示，人工神經(jīng)網(wǎng)絡(luò)1包括輸入層11、隱含層12和輸出層13。
其中，輸入層11接收計算路面濕滑狀態(tài)所需要的輸入向量，該輸入向量為6維向量，各維度分別為月份U1、地區(qū)U2、時刻U3、空氣濕度U4、路面溫度U5以 及路面溫度與氣溫溫差U6。
隱含層12包括4個神經(jīng)元節(jié)點(diǎn)121，該神經(jīng)元節(jié)點(diǎn)121可以根據(jù)輸入層11的 輸入向量進(jìn)行計算，計算的輸出值作為輸出層13計算路面濕滑狀態(tài)的輸入值；神 經(jīng)元節(jié)點(diǎn)121根據(jù)輸入向量進(jìn)行計算的函數(shù)為tansig函數(shù)f(x)=l/(l+e—x)。具體 的，該tansig函數(shù)的表達(dá)式見式(1)，
附y(tǒng) = tan w'g
a:=6
(1)
其中，中，i=i、 2、…、k， k為輸入向量維數(shù)，y為第/個輸入向量；_/=l、
2、…、N， N為隱含層內(nèi)神經(jīng)元121的個數(shù)，—為隱含層12第/個神經(jīng)元121的輸 串值；/『'為隱含層12內(nèi)對應(yīng)y的網(wǎng)絡(luò)權(quán)系數(shù)，V為隱含層12第/個閾值系數(shù)。
輸出層13包括1個輸出層神經(jīng)元節(jié)點(diǎn)131，該神經(jīng)元節(jié)點(diǎn)131根據(jù)隱含層12 計算的結(jié)果計算路面濕滑狀態(tài)，輸出層神經(jīng)元節(jié)點(diǎn)131函數(shù)為purelin函數(shù) f(x)=kx;具體的，輸出層神經(jīng)元節(jié)點(diǎn)131計算路面濕滑狀態(tài)的函數(shù)見式(2)，
W = 4
(2)
其中，W為隱含層12第y個神經(jīng)元121的輸出值，/『v為輸出層13內(nèi)對應(yīng)W 的網(wǎng)絡(luò)權(quán)系數(shù)，6為輸出層13的閾值系數(shù)，m為輸出層神經(jīng)元節(jié)點(diǎn)131的輸出值， 郎輸出向量。
整個BP人工神經(jīng)網(wǎng)絡(luò)1的建立采用了 matlab函數(shù)newff，見式(3): wef = (min max( / )， [4,1], {' tan w'g' ，' /7wWw'}，'的z.w/m') (3)
其中，net為神經(jīng)網(wǎng)絡(luò)，p為輸入向量，minmax為matlab獲取向量極值函數(shù)，
trainlm為學(xué)習(xí)算法。
2) 根據(jù)上述1)中人工神經(jīng)網(wǎng)絡(luò)1的輸入向量p進(jìn)行測量，包括測量不同月份、 不同地區(qū)和不同時刻的空氣濕度、路面溫度、路面溫度與氣溫溫差以及路面濕滑狀 態(tài)。
其中，月份和時刻利用時鐘芯片DS1302測量，空氣溫度和濕度利用溫濕度芯 片shtll測量，路面溫度采用IRTP300L型紅外線傳感器測量，地區(qū)采用車載GPS 測量，路面濕滑狀態(tài)采用攝像頭拍攝圖像或者直接人工觀察得到。
3) 利用2)中的測量值離線訓(xùn)練路面濕滑狀態(tài)識別BP人工神經(jīng)網(wǎng)絡(luò)1，獲得 隱含層12的網(wǎng)絡(luò)權(quán)系數(shù),'和閾值系數(shù)V，以及輸出層13的網(wǎng)絡(luò)權(quán)系數(shù)/f^和閾 值系數(shù)6。BP人工神經(jīng)網(wǎng)絡(luò)1的輸入向量定義如下月份輸入值與實際月份相同，月份輸 入值分別為1、 2、…、11和12;將整個國家按照地理位置劃分為東區(qū)、西區(qū)、南 區(qū)、北區(qū)、中區(qū)、沿海6個區(qū)域，地區(qū)輸入值根據(jù)實際地理位置確定，東區(qū)的地區(qū)
輸入值為l，南區(qū)的地區(qū)輸入值為2，西區(qū)的地區(qū)輸入值為3，北區(qū)的地區(qū)輸入值為 4，中區(qū)的地區(qū)輸入值為5，沿海的地區(qū)輸入值為6;將一天24小時劃分為24個時 間段，根據(jù)實時時間的小時值，輸入值分別為0、 1、 2、…、22和23;濕度、路面 溫度、路面溫度與氣溫溫差為實際測量值，直接輸入人工神經(jīng)網(wǎng)絡(luò)l。
BP人工神經(jīng)網(wǎng)絡(luò)1的輸出向量定義如下輸出向量值范圍為0 10，值越大代 表積水越深，其中，O代表干燥路面，3 6代表潮濕路面，8代表路面為雪路面， IO代表路面為冰路面。
BP人工神經(jīng)網(wǎng)絡(luò)1訓(xùn)練的主要目的是獲得網(wǎng)絡(luò)權(quán)系數(shù)/『'、/『〗和閾值系數(shù)^ 、 6，使得輸出向量滿足一定的精度。BP人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練直接采用matlab函數(shù) tranin進(jìn)行離線訓(xùn)練，見式(4)。
wef = fra/w(wef ，/ ，0 ( 4 )
其中"W為BP人工神經(jīng)網(wǎng)絡(luò)1， p為訓(xùn)練樣本輸入向量，f為訓(xùn)練樣本輸出向量。
4) 將3)中訓(xùn)練獲得的網(wǎng)絡(luò)權(quán)系數(shù)/『'、/fT和閾值系數(shù)^、 6嵌入車載ECU內(nèi)， 根據(jù)實際輸入的月份、地區(qū)、時刻、濕度、路面溫度及路面溫度與氣溫溫差，并結(jié) 合式(1)和(2)，計算輸出向量。
5) 根據(jù)步驟4)計算得出的輸出向量，并依據(jù)步驟2)中定義的輸出向量，判 斷出路面濕滑狀態(tài)，并通過顯示裝置向駕駛員提供相應(yīng)路面濕滑信息。BP人工神經(jīng) 網(wǎng)絡(luò)1輸出接近0，那么判斷當(dāng)前路面為干燥路面；BP人工神經(jīng)網(wǎng)絡(luò)1輸出接近3 6，那么判斷當(dāng)前路面為潮濕路面，輸出越大，路面積水越深；BP人工神經(jīng)網(wǎng)絡(luò)1 輸出接近8，那么判斷當(dāng)前路面為雪面；BP人工神經(jīng)網(wǎng)絡(luò)l輸出接近lO，那么判斷 當(dāng)前路面為冰面。汽車可以通過車載GPRS通信終端將路面濕滑狀態(tài)發(fā)送至氣象站， 由氣象站匯總車輛發(fā)送的路面濕滑狀態(tài)信息，動態(tài)監(jiān)測公路網(wǎng)濕滑狀態(tài)。
本實施例中，顯示裝置可以采用不同顏色的燈，也可以采用語音提示裝置，在 此不限。
權(quán)利要求
1、一種路面濕滑狀態(tài)識別方法，它包括以下步驟1)建立一包括輸入層、隱含層和輸出層的路面濕滑狀態(tài)識別BP人工神經(jīng)網(wǎng)絡(luò)，其中，輸入層接收月份、地區(qū)、時刻、空氣濕度、路面溫度以及路面溫度與氣溫溫差的6維輸入向量；隱含層包括多個預(yù)置有tansig函數(shù)的神經(jīng)元節(jié)點(diǎn)，該神經(jīng)元節(jié)點(diǎn)根據(jù)所述輸入層的輸入向量進(jìn)行計算，輸入向量的計算表達(dá)式為<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><msup> <mi>m</mi> <mi>j</mi></msup><mo>=</mo><mi>tan</mi><mi>sig</mi><mo>[</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mrow><mi>K</mi><mo>=</mo><mn>6</mn> </mrow></munderover><mrow> <mo>(</mo> <msup><mi>IW</mi><mi>i</mi> </msup> <mo>&times;</mo> <msup><mi>p</mi><mi>i</mi> </msup> <mo>)</mo></mrow><mo>+</mo><msup> <mi>b</mi> <mi>j</mi></msup><mo>]</mo> </mrow>]]></math></maths>式中，i＝1、2、…、K，K為輸入向量維數(shù)，pi為第i個輸入向量；j＝1、2、…、N，N為隱含層神經(jīng)元的個數(shù)，mj為隱含層第j個神經(jīng)元的輸出值；IWi為隱含層內(nèi)對應(yīng)pi的網(wǎng)絡(luò)權(quán)系數(shù)，bj為隱含層第j個閾值系數(shù)；輸出層包括一預(yù)置有purelin函數(shù)的神經(jīng)元節(jié)點(diǎn)，該神經(jīng)元節(jié)點(diǎn)根據(jù)隱含層計算的結(jié)果計算輸出向量，輸出向量的計算表達(dá)式為<maths id="math0002" num="0002" ><math><![CDATA[ <mrow><mi>m</mi><mo>=</mo><mi>purlin</mi><mo>[</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>j</mi><mo>=</mo><mn>1</mn> </mrow> <mrow><mi>N</mi><mo>=</mo><mn>4</mn> </mrow></munderover><mrow> <mo>(</mo> <msup><mi>IW</mi><mi>j</mi> </msup> <mo>&times;</mo> <msup><mi>m</mi><mi>j</mi> </msup> <mo>)</mo></mrow><mo>+</mo><mi>b</mi><mo>]</mo> </mrow>]]></math></maths>式中，mj為隱含層第j個神經(jīng)元的輸出值，IWj為輸出層內(nèi)對應(yīng)mj的網(wǎng)絡(luò)權(quán)系數(shù)，b為輸出層的閾值系數(shù)，m為輸出向量；2)根據(jù)步驟1)測量不同月份、不同地區(qū)和不同時刻的空氣濕度、路面溫度、路面溫度與氣溫溫差以及路面濕滑狀態(tài)，并定義輸入向量和輸出向量；3)利用步驟2)中的測量值離線訓(xùn)練路面濕滑狀態(tài)識別BP人工神經(jīng)網(wǎng)絡(luò)，以獲得隱含層的網(wǎng)絡(luò)權(quán)系數(shù)IWi和閾值系數(shù)bj，以及輸出層的網(wǎng)絡(luò)權(quán)系數(shù)IWj和閾值系數(shù)b；4)將步驟3)中訓(xùn)練獲得的網(wǎng)絡(luò)權(quán)系數(shù)IWi、IWj和閾值系數(shù)bj、b嵌入車載ECU內(nèi)，根據(jù)實際輸入的月份、地區(qū)、時刻、濕度、路面溫度及路面溫度與氣溫溫差，并結(jié)合輸入向量和輸出向量的計算式，計算輸出向量；5)根據(jù)步驟4)計算得出的輸出向量，并依據(jù)步驟2)中定義的輸出向量，判斷出路面濕滑狀態(tài)，并通過顯示裝置向駕駛員提供相應(yīng)路面濕滑信息。
2、 如權(quán)利要求1所述的一種路面濕滑狀態(tài)識別方法，其特征在于所述步驟1) 中，tansig函數(shù)的表達(dá)式為f(x)=l/(l+e—x); purelin函數(shù)的表達(dá)式為f(x)=kx。
3、 如權(quán)利要求1或2所述的一種路面濕滑狀態(tài)識別方法，其特征在于所述步驟2)中，路面濕滑狀態(tài)識別人工神經(jīng)網(wǎng)絡(luò)的輸入向量定義如下月份輸入值與 實際月份相同，月份輸入值分別為1、 2、…、11和12;將整個國家按照地理位置 劃分為東區(qū)、西區(qū)、南區(qū)、北區(qū)、中區(qū)、沿海6個區(qū)域，地區(qū)輸入值根據(jù)實際地理位置確定，東區(qū)的地區(qū)輸入值為1，南區(qū)的地區(qū)輸入值為2，西區(qū)的地區(qū)輸入值為3， 北區(qū)的地區(qū)輸入值為4，中區(qū)的地區(qū)輸入值為5,沿海的地區(qū)輸入值為6;將一天 24小時劃分為24個時間段，根據(jù)實時時間的小時值，時刻輸入值分別為0、 1、2、…、 22和23;濕度、路面溫度、路面溫度與氣溫的溫差的輸入值為實際測量值；輸出向量定義如下輸出向量值范圍為0 10， 0代表干燥路面，3 6代表潮 濕路面，8代表路面為雪路面，IO代表路面為冰路面。
4、 如權(quán)利要求1或2所述的一種路面濕滑狀態(tài)識別方法，其特征在于輸出 向量值接近0，則判斷當(dāng)前路面為干燥路面；輸出向量值接近3 6，則判斷當(dāng)前路 面為潮濕路面；輸出向量值接近8，則判斷當(dāng)前路面為雪面；輸出向量值接近IO， 則判斷當(dāng)前路面為冰面。
5、 如權(quán)利要求3所述的一種路面濕滑狀態(tài)識別方法，其特征在于輸出向量值接近0，則判斷當(dāng)前路面為干燥路面；輸出向量值接近3 6，則判斷當(dāng)前路面為 潮濕路面；輸出向量值接近8，則判斷當(dāng)前路面為雪面；輸出向量值接近IO，則判 斷當(dāng)前路面為冰面。
全文摘要
本發(fā)明涉及一種路面濕滑狀態(tài)識別方法，它包括以下步驟1)建立一包括輸入層、隱含層和輸出層的路面濕滑狀態(tài)識別BP人工神經(jīng)網(wǎng)絡(luò)；2)測量不同月份、不同地區(qū)和不同時刻的空氣濕度、路面溫度、路面溫度與氣溫溫差以及路面濕滑狀態(tài)，并定義輸入向量和輸出向量；3)利用步驟2)中的測量值離線訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，以獲得IWⁱ、b^j、IW^j和b；4)將步驟3)中訓(xùn)練獲得的IWⁱ、IW^j和b^j、b嵌入車載ECU內(nèi)，根據(jù)實際輸入的月份、地區(qū)、時刻、濕度、路面溫度及路面溫度與氣溫溫差，計算輸出向量；5)根據(jù)步驟4)計算得出的輸出向量，并依據(jù)步驟2)中定義的輸出向量，判斷出路面濕滑狀態(tài)，并通過顯示裝置向駕駛員提供相應(yīng)路面濕滑信息。本發(fā)明能夠準(zhǔn)確識別出路面濕滑狀態(tài)，便于車載ECU計算出路面最大附著系數(shù)，為行車安全提供了有力保障。
文檔編號G08G1/00GK101609606SQ20091008873
公開日2009年12月23日 申請日期2009年7月10日 優(yōu)先權(quán)日2009年7月10日
發(fā)明者盧俊輝, 李克強(qiáng), 王建強(qiáng), 連小珉 申請人:清華大學(xué)