道路状况监测的制作方法

本公开总体上涉及用于监测路面状况的系统和方法。

背景技术：

向车辆提供有关路况信息的系统可用于提高常规车辆的道路安全性，但随着自动驾驶车辆的引入，该系统将变得越来越重要。如果车辆例如具有有关道路上的摩擦和/或道路上是否有诸如坑洼之类的损坏的信息，则可以向驾驶员/车辆发出警告，并且驾驶员/车辆可以适于路况。例如，自动制动系统可以适于道路上的摩擦。

us20150224925描述了一种用于确定摊铺道路状态的方法。将从测量局部摩擦系数的至少一个传感器接收的数据分配给由前向照相机收集的照相机图像的各个图像扇区。然后，图像分析将照相机图像中的各个摊铺道路路段分类为不同的类别，诸如像干、湿、积雪或结冰，并且基于先前收集的针对属于同一类别的图像片段的局部摩擦系数来将摩擦系数分配给这些路段。该方法可以使用在摊铺道路平面内分成二维网格的照相机图像，在这种情况下，将摩擦系数分配给网格的单元。

us9108640描述了一种用于监测和报告道路质量的方法。各种传感器用于确定车辆的道路质量，并且该数据与车辆位置一起通过移动网络传送到中央服务器，以分发在道路质量报告中。还描述了一种用于基于来自多个车辆的汇总数据来确定平均道路质量指示的方法。该方法可能涉及计算加权平均值，与来自非受信任和未知来源的道路质量指示相比，赋予来自受信任和已知来源的道路质量指示更多的权重。

us20120053755描述了一种使用占用栅格图来计算路面的占用概率的方法。

现有技术的问题

尽管us20150224925解决了监测路面状况的一般问题，但没有解决汇总来自多个车辆的信息的问题。

虽然us9108640解决了如何合并来自不同车辆的数据的一般问题，但它仅建议计算平均值。有时这可能会产生误导性的结果，尤其是因为例如摩擦数据仅在检索后的一定时间段内有效，并且例如坑洼可能会随着时间的推移而增长，或者由于修补而迅速消失。

us20120053755没有解决对任何路面状况的监测。

因此，对于改进的道路状况监测系统存在需求。

技术实现要素：

通过要求保护的系统来解决上述问题，该系统用于监测由多个车辆行驶的路面状况，每个车辆均包括至少一个传感器。该系统包括中央处理装置，该中央处理装置布置成：用多个单元对道路表面的至少一部分进行映射；接收单元的路面数据，该路面数据基于当多个车辆在路面上行驶时由传感器进行的测量；以及基于从多个车辆接收到的路面数据来计算由多个车辆行驶的每个单元的至少一个路面参数的概率。中央处理装置例如可以是基于云的，并汇总来自许多不同来源的路面数据。

通过要求保护的方法来解决上述问题，该方法用于监测由多个车辆行驶的路面状况，每个车辆均包括至少一个传感器。该方法包括：用多个单元对路面的至少一部分进行映射；基于当多个车辆在路面上行驶时由传感器所进行的测量来确定单元的路面数据；将路面数据从多个车辆传送到中央处理装置；以及至少基于从多个车辆接收到的路面数据来计算由多个车辆行驶的每个单元的至少一个路面参数的概率。

这使得能够容易合并许多不同种类的路面数据，例如在云端，以提供准确的路面参数。

在实施例中，中央处理装置还布置成基于路面参数特定更新模型来更新概率直到接收到针对该单元的其他路面数据为止，该路面参数特定更新模型适于特定路面参数的概率随时间推移的预期发展。路面参数特定更新模型例如可以包括随时间的推移概率增加或减少，例如以指数方式。即使未接收到新的路面数据，这也使得能够随着时间的推移准确估算路面参数。

在实施例中，计算针对至少一个路面参数的预定数量的可能值或值区间(valueintervals)中每一个的概率，其中针对路面参数的这些值或值区间的概率之和优选为1(100％)。

在实施例中，至少一个路面参数的概率是以函数的形式来计算的，诸如像多项式函数。

在实施例中，至少一个路面参数包括路面摩擦参数pf，路面粗糙度参数pr、坑洼参数ph、减速带参数pb和/或障碍物参数po。

在实施例中，至少一个传感器包括用于多个车辆中每个车辆的每个车轮的转速传感器。可以基于来自这样的传感器的信号来估算许多不同的路面参数。

在实施例中，每个车辆包括至少一个车辆处理装置，并且基于来自车辆中至少一个传感器的信号在至少一个车辆处理装置中确定每个车辆的路面数据。

在实施例中，中央处理装置布置为还基于从其他来源(诸如天气数据来源)接收到的路面数据来计算至少一个路面参数的概率。即使没有车辆在路面上行驶，这也使得能够更新路面参数概率。天气数据例如与当前和/或预期温度、降水、水量和/或雪量有关。天气数据例如使用天气模型进行处理，该模型基于天气数据将摩擦估算为概率分布。

在实施例中，中央处理装置布置成经由无线链路从多个车辆接收路面数据。

本发明的范围由权利要求限定，所述权利要求通过引用并入本部分。通过考虑以下对一个或多个实施例的详细描述，将给本领域技术人员提供对本发明实施例的更全面理解，以及实现本发明的附加优点。将参考附图，将首先简要描述所述附图。

附图说明

图1示意性地示出根据本文描述的一个或多个实施例的用于监测路面状况的系统。

图2示意性地示出根据本文所述的一个或多个实施例的车辆。

图3示意性地示出根据本文所述的一个或多个实施例的用网格进行映射的道路表面。

图4示意性地示出根据本文描述的一个或多个实施例的用路段进行映射的路面。

图5a和图5b示意性地示出根据本文所述的一个或多个实施例的路面参数概率更新模型。

图6示意性地示出根据本文所述的一个或多个实施例的用于监测路面状况的方法。

通过参考下面的详细描述，将最好地理解本公开的实施例及其优点。应当理解的是，相同的附图标记用于标识在一个或多个附图中示出的相同元件。

具体实施方式

本公开总体上涉及用于监测路面状况的系统和方法。结合附图更详细地呈现了所公开的解决方案的实施例。

图1示意性地示出根据本文描述的一个或多个实施例的用于监测由多个车辆200行驶的路面状况的系统100。系统100包括中央处理装置120，该中央处理装置120例如可以基于云的。图1中示意性示出的车辆200包括至少一个传感器130、车辆处理装置110和gps接收器140。

图2示意性地示出根据本文所述的一个或多个实施例的车辆200。图2中所示的车辆200包括车辆处理装置110和四个传感器130。传感器130例如可以是转速传感器130，每个车轮一个。传感器130也可以是其他类型的传感器。为了确定车辆中的负载变化，例如可能需要关于扭矩和发动机rpm的信息，并且这例如可以基于来自各种发动机传感器的测量值来确定。压力传感器诸如像气压计可用于确定高度，并基于此来确定车辆是在上坡还是下坡行驶。例如以惯性测量值单元(imu)形式的各种类型的加速度计和/或陀螺仪可用于确定例如偏航率、纵向加速度和垂直加速度，用于确定车辆中的负载变化。轴高度信息例如可以由布置在车辆中的传感器提供，用于适配车辆灯的方向。绝对速度例如可以使用gps传感器或使用其他速度识别传感器(诸如相机、雷达、ir传感器或激光传感器)来确定。来自温度传感器的信息可以辅助确定摩擦。

可以将来自传感器130的信号直接从传感器130传送到中央处理装置120或经由车辆处理装置110传送，例如无线地传送。路面数据可基于来自至少一个传感器130的信号在车辆处理装置备110中或在中央处理装置120中确定。例如，中央处理装置120可以基于云的，并汇总来自许多不同来源的路面数据。

中央处理装置120可以布置成用多个单元320来映射道路表面300，单元320例如可以是形成阵列或网格310的单元320，如图3中所示，或者可以是路段形式的单元320，如图4中所示。布置在车辆200中的传感器130可以当车辆200在路面300上行驶时进行测量。来自传感器130的信号或基于它们确定的路面数据可以经由无线链路从车辆200传送到中央处理装置120，例如使用车辆处理装置110。然后，中央处理装置120可以基于从多个车辆200接收到的路面数据计算每个单元320的至少一个路面参数的概率。

单元320可以具有任何尺寸或形状。如果许多车辆行驶在道路的不同部分，从而中央处理装置120接收到许多路面数据，并且已知这些车辆的确切位置(例如从gps数据中得知)，则如图3中所示的小单元尺寸可能会是理想的，因为这提供了高分辨率的数据，这对于例如定位坑洼是有用的。然而，对于行进较少的道路延伸，在其中将不会收集用于路面300的所有部分的路面数据，使用为较大路段形式的单元320会是更好的，以便对于作为整体的路段至少存在相关道路摩擦数据。这样的路段可以具有任何大小，诸如1米长、10米长或者甚至100米长。如果道路在每个方向上都具有多个车道，则每个车道可能都有其自己的路段，例如因为行驶较少的车道与行驶较多的车道相比摩擦可能会有所不同。但是，也可以考虑沿一定长度的整条道路(例如50米)是一个单元320。

每个单元320可以被分配针对多个不同路面参数中每一个的概率。每个单元320的道路表面参数例如可以是路面摩擦参数pf、路面粗糙度参数pr、坑洼参数ph、减速带参数pb和/或障碍物参数po。也可以使用其他参数，诸如像描述道路上水量的参数。这些参数中的每一个可以被分配多个不同的值，其可以基于路面数据来计算，所述路面数据基于来自传感器130的信号来确定。这些参数中的每一个的概率可以可替代地表示为值区间或函数，例如多项式，而不是多个离散值。

路面摩擦参数pf例如可以被分配从1到3的值，其中3定义为“高摩擦”，而1定义为“低摩擦”。因此，如果摩擦力高(抓地力好)，则路面摩擦参数pf应被分配1；如果摩擦力中等(例如砾石或雪)，则应被分配2；如果摩擦力低(例如冰)，则应被分配3。当然，可以其他更详细的方式使用更多的摩擦等级或者甚至使用在车辆200中计算出的实际摩擦系数(例如在电子稳定控制(esc)系统中)对摩擦进行分类。然而，出于诸如警告驾驶员/车辆、使车辆适应路况或在导航系统中提出最佳路线之类的目的，通过将摩擦分类为相对少量的类别诸如像三类、四类或五类而给出的信息将会是足够的。在每个车辆200中确定的实际摩擦系数仍可以被报告给中央处理装置120，并用于确定路面摩擦参数pf的不同值的概率。

使用实际摩擦系数的一种方法是将摩擦可能性(frictionpotential)表示为具有多个分格(bin)的直方图，每个分格代表摩擦系数的特定区间。摩擦系数例如可以具有介于0到1.2之间的值，并且如果将其表示为具有24个分格的直方图，则第一个分格将表示摩擦系数为0-0.05，第二个分格将表示摩擦系数为0.05-0.10等等。在这种情况下，中央处理装置120可以布置为将在每个车辆200中计算出的实际摩擦系数分类到正确的分格中，并且从而基于从车辆200报告的实际摩擦系数来确定在路面摩擦参数pf的不同区间内的摩擦概率。

道路粗糙度参数pr例如可以被分配从1到6的值，其中1定义为“非常平坦的道路”，而6定义为“非常粗糙的道路”。当然可以其他更详细的方式对道路粗糙度进行分类，例如使用国际粗糙度指数(iri)。但是，出于诸如警告驾驶员/车辆、使车辆适应路况或在导航系统中提出最佳路线的目的，通过将道路粗糙度分类为相对少量的类别诸如像三类、四类、五类或六类而给出的信息将会是足够的。在每个车辆200中确定的实际道路粗糙度仍可以被报告给中央处理装置120，并且用于确定道路粗糙度参数pr的不同值的概率。例如可以上面针对路面摩擦参数pf所述的方式进行。

坑洼参数ph例如可以被分配0(“单元中无坑洼”)或1(“单元存在坑洼”)的值。可以改为使用例如1至4的坑洼等级，其中1定义为“单元中不存在坑洼”、2定义为“单元中存在小坑洼”、3定义为“单元中存在规则的坑洼”以及4定义为“单元中存在的较大坑洼”。可以改为使用更具体的值，例如1(“右侧坑洼”)、2(“左侧坑洼”)和3(“两侧坑洼”)。

减速带参数pb例如可以被分配0(“单元中不存在减速带”)或1(“单元中存在减速带”)的值。

障碍物参数po例如可以被分配0(“单元中不存在障碍物”)或1(“单元中存在障碍物”)的值。可以改为使用例如1至3的障碍物等级，其中1定义为“单元中不存在障碍物”、2定义为“单元中存在小障碍物”以及3定义为“单元中存在大障碍物”。由障碍物参数po限定的障碍物应该优选地是临时障碍物，诸如像道路上的木头块、岩石块或其他碎片。对于每个单元320，路面参数的不同值可以具有不同的概率。特定单元320例如可以具有减速带参数pb为0的概率βb0为0.8(80％)，但与此同时，减速带参数pb为1的概率βb1为0.2(20％)。概率可以基于从在路面300上行驶的车辆200和从其他来源(诸如像来自道路当局的天气数据或信息源)两者接收到的路面数据。从各种来源接收到的每个单元的路面数据的不同项可以通过加权来汇总成为不同路面参数中每个参数的不同值的不同概率。加权例如可以基于路面数据的使用期限，因此对新路面数据的加权高于对旧路面数据的加权。

加权也可以或替代地例如基于路面数据来源的一般可靠性。例如，基于用于收集路面数据的传感器类型，可以认为某些路面数据源比其他路面数据源更可靠。道路表面数据源的可靠性也可以由中央处理装置120例如基于从源接收到的先前路面数据与其他路面数据源的对应关系来自动确定。例如，总是传递与其他车辆200所接收的路面数据偏离的路面数据的车辆200可被分配为一般低的可靠性并且因此加权较低，所述其他车辆200在相同路面300上行驶并传递针对相同单元320的路面数据。

如果路面数据是从道路当局接收到的，则应优选对其进行非常高的加权。例如道路当局可以将砾石路的一部分变成柏油路，并且这可能会影响道路的粗糙度和道路摩擦。道路当局例如也可以布置或去除减速带，并且这当然会影响减速带参数。如果道路当局报告在特定位置已经布置了减速带，则对于受影响的单元320而言减速带参数pb为1的概率βb1例如可以自动地设置为1(100％)，而不管从车辆200接收到的任何路面数据。以相同的方式，如果道路当局报告已修复某个位置的坑洼，则对于受影响的单元320而言，坑洼参数ph为0的概率βh0可以自动设置为1，以及坑洼参数ph为1的概率βh1可以自动设置为0，而不管从车辆接收到的任何路面数据。概率βh1则当然会随着时间的推移而上升，因为坑洼可能在维修后重新出现。

还可以使不同的路面参数相关，以使一个路面参数的某个概率影响其他路面参数的概率。例如如果在单元320中存在坑洼或减速带的高概率，则这可能影响所确定的摩擦系数的有效性，因为坑洼和减速带可能导致车轮打滑，从而影响所确定的摩擦系数。因此，例如确定路面摩擦参数pf的不同值的概率βfx例如也可以基于坑洼参数ph和减速带参数pb的不同值的概率βhx和βbx。

如果没有车辆通过特定的单元320，并且没有从其他来源接收到该单元320的其他路面数据，则存在多种不同的概率分配方式。例如由于没有可用信息，因此确定每个参数的每个值的概率是相等的。如果对于路面摩擦参数pf而言存在三个类别，则可以为每个类别分配概率βfx为0.33(33％)，因为如果没有可用的信息，它们的可能性均相等。但是，对于某些参数而言，某个值的可能性固有地高于另一个值的可能性。例如因为在大多数道路延伸中没有减速带，所以与在单元320中存在减速带相比，在单元320中不存在减速带的可能性要大得多。因此，可以基于对相似类型的单元320的统计期望来为不同参数分配不同值的概率。统计期望例如可以是具有平均值的路面摩擦参数pf和道路粗糙度参数pr的高概率，以及具有定义为没有坑洼和减速带的值的坑洼参数ph和减速带参数pb的高概率。分配路面参数的不同值的概率的另一种方法是将它们基于相邻单元的值。然而，一旦已经针对特定单元320接收到任何“真实”路面数据，则应当优选地将所分配的概率调换为基于所接收的路面数据计算出的新概率。

如果以足够高的频率接收路面数据，则可以期望针对每个单元320的各个路面参数的不同值的计算出的概率是合理准确的。然而，对于较少行进的道路延伸而言，即使没有接收到单元320的新路面数据，则更新单元320的计算概率也是有利的。这种更新优选地使用特定于路面参数的更新模型进行，以便提供对车辆观测之间可以预期发生情况的相关预测。这样的路面参数特定更新模型优选地适于特定路面参数的概率随时间推移的预期发展。更新模型例如可以通过在下一次接收到路面数据时将预测值与所接收到的路面数据进行比较而连续地改善。更新模型例如可以基于动态系统的通用模型：

xk+1＝fk(xk，uk，wk，θk)

yk＝hk(xk，uk，ek，θk)

路面摩擦参数pf的不同值的概率βfx例如可以使用摩擦更新模型来更新，该摩擦更新模型优选地适于路面摩擦参数pf的概率随时间推移的预期发展。路面摩擦例如可以因天气状况而改变。可以通过各种天气数据源将当前和预期天气状况报告到系统100中，并且具有某些值的路面摩擦参数pf的概率βfx可以根据预定的摩擦更新模型基于这些报告的当前和预期天气状况来改变。例如如果某个单元320在温度为0℃的时间点具有的路面摩擦参数pf为1(“低摩擦”)的概率βf1为0.9(90％)，并且在几个小时内预期温度升至10℃，则预期摩擦会随着时间的推移而变得更高。如果期望温度近似线性上升，则对于这种情况的摩擦更新模型例如可以为线性的。因此，路面摩擦参数pf为1的概率βf1将线性地减小，而路面摩擦参数pf为2的概率βf2将相应地增大。然而，如果接收到实际测得的路面摩擦数据，则应优选使用实际测得的路面摩擦数据而不是使用所计算出的估算值。在这种情况下，可以基于所计算出的值与实际测得的路面摩擦数据之间的差来更新摩擦更新模型。

坑洼参数ph的不同值的概率βhx例如可使用坑洼更新模型来更新，该坑洼更新模型优选地适于坑洼参数ph的概率随时间推移的预期发展。例如，如果将单元320的坑洼参数ph为1的概率βh1基于所接收到的路面数据设置为0.9并且没有接收到用于该单元的其他路面数据，则可能存在坑洼已经被修复而这未从任何道路当局报告的情况。在这种情况下，使用遗忘因子的坑洼更新模型应该优选被使用，以使得坑洼参数ph为1的概率βh1随时间的推移而减小，以及坑洼参数ph为0的概率βh0相应地增加。坑洼更新模型例如可以如图5a中所示涉及概率βh1的相对快速的指数下降。

对于减速带参数pb的不同值的概率βbx例如可以使用减速带更新模型来更新，该减速带更新模型优选适于减速带参数pb的概率随时间推移的预期发展。例如，如果将单元320的减速带参数pb为1的概率βb1基于所接收到的路面数据设置为0.9，并且没有接收到该用于单元的其他路面数据，则可能存在减速带已经被移除而这未从任何道路当局报告的情况。在这种情况下，使用遗忘因子的减速带更新模型应该优选被使用，以使减速带参数pb为1的概率βb1随时间的推移而减小，以及减速带参数pb为0的概率βb0相应地增加。速度更新模型例如可以图5b中所示涉及概率βb1的相对缓慢的指数下降。

由于道路粗糙度也可能随时间的推移而变化，因此道路粗糙度参数pr的不同值的概率βrx例如可以使用道路粗糙度更新模型来更新，该模型优选地适于道路粗糙度参数pr的概率随时间推移的预期发展。道路粗糙度更新模型例如可以涉及道路粗糙度参数pr的不同值的概率βrx的相对缓慢的指数变化。

由于由障碍物参数po定义的障碍物优选地是临时障碍物，诸如像道路上的木头块、岩石块或碎屑，障碍物参数po的不同值的概率βox可能会快速变化。当经过一定时间后，很可能已移除临时障碍物，因此障碍物更新模型例如涉及障碍物参数po为1的概率βo1的相对快速的指数减小以便适于障碍物参数po的概率随时间推移的预期发展。

现在使用通用模型通过针对一个特定单元320的简单示例来说明上述方法，通用模型为：

xk＝λxk-1

yn＝x+en

其中第一方程式是时间更新，用于更新在从车辆到中央处理装置120的上行链接值(up-linkedvalues)之间的状态xk。以坑洼识别为例，在初始化期间，将x0设置为针对示例性坑洼参数ph的初始概率βhx。当没有从任何车辆获得测量值时，参数λ控制该初始概率βhx随时间推移的被遗忘。但是，如果从道路当局报告了坑洼的去除，则它将立即将xk设置为零，这表明在此单元320中发现坑洼的可能性为零。

来自多个车辆200的测量值yn被用于估算在单元320中存在坑洼的未知概率x。在此，我们假设附加模型，其中en是例如由gps位置误差引起的测量噪声。假设yn可以采用检测到坑洼的值(1)或未检测到坑洼的值(0)，则概率x的估算值可以通过测量值更新(measurementupdate)来给出：

xk＝xk-1+(yn-xk-1)/n

这基本上是对n次测量值的平均值进行递推计算。因此，时间更新在中央处理装置120中随时间的推移周期性地计算，但是该测量值更新仅在接收到测量值时才计算。

通过在地图上指示所谓的热点可以改进该方案。例如，如果一个车辆已经检测到特定单元320中存在坑洼，则将该单元320设置为热点。然后将迫使进入该单元/热点320的车辆报告是否检测到坑洼。

其他也可用的方法例如是占用网格映射和其他具有类似属性的统计方法。

因此，系统100可以包括中央处理装置120和布置在多个车辆200的每一个中的传感器130。中央处理装置120可以布置为：用多个单元320映射路面300的至少一部分；接收单元320的路面数据，当多个车辆200在路面300上行驶时，所述路面数据已经由传感器130收集；以及至少基于从多个车辆200接收到的路面数据，计算由多个车辆200所行驶过的每个单元320的至少一个路面参数的概率。

中央处理装置120还可以布置为基于路面参数特定更新模型来更新该概率直到接收到针对该单元320的其他路面数据为止，该路面参数特定更新模型优选地适于特定路面参数的概率随时间推移的预期发展。路面参数特定更新模型例如可以包括概率随时间推移呈指数增长或下降。即使未接收到新的路面数据，这也可以使得能够随着时间的推移准确估算路面参数。

至少一个传感器130例如可以提供有关下述的信息：

-轮胎压力

-轮胎温度

-环境温度

-轴高度

-悬挂压力

-悬挂高度

-轮胎类型，经由人机界面手动输入

-来自abs制动的估算的摩擦可能性

-来自tcs事件的估算的摩擦可能性

-车轮上的标准化的牵引力

-摩擦有关的值

-施加在车轮上的扭矩

-纵向加速度

-横向加速度

-垂直加速度

-制动压力

-偏航率

-车速

-车轮速度

-方向盘角度

-车轮角度

-雨刮器速度

-环境湿度

-从任何类型的图像(光学，红外等)得出的值，诸如路面温度，天空云量等

-从任何类型的外部传感器(诸如雷达，激光等)得出的值

-控制标志寄存器。

控制标志寄存器的标志的示例例如可以包括以下指示：是否正在进行esc控制、是否正在进行abs制动、是否正在进行tcs、是否正在进行制动、是否正在进行换档、是否接合了离合器踏板、是否接合了倒档、是否连接了挂车，或是否使用巡航控制。

图6示意性地示出一种用于监测由多个车辆200所行驶过的路面300的状况的方法600，每个车辆包括至少一个传感器130。该方法包括：

步骤610：用多个单元320映射道路表面300。

步骤620：当多个车辆200在路面300上行驶时，基于由多个传感器130进行的测量来确定单元320的路面数据。

步骤630：将路面数据从多个车辆200传送到中央处理装置120。

步骤640：基于从多个车辆200接收到的路面数据来计算由多个车辆200所行驶的每个单元320的至少一个路面参数的概率。

这样可以容易合并许多不同种类的路面数据，例如在云端，以提供准确的路面参数。

在实施例中，方法600可以进一步包括：

步骤650：基于路面参数特定更新模型来更新该概率直到接收到针对单元320的其他路面数据为止，该路面参数特定更新模型适于特定路面参数的概率随时间推移的预期发展。

路面参数特定更新模型例如可以包括概率随时间推移呈指数增长或下降。

可以计算至少一个路面参数的预定数量的可能值或值区间中的每一个的概率。路面参数的这些值或值区间的概率之和优选应为1(100％)。但是，路面参数的这些值或值区间的概率之和不必为1。

至少一个路面参数的概率也可以函数的形式来计算，诸如像多项式函数。

至少一个路面参数例如可以包括路面摩擦参数pf、路面粗糙度参数pr、坑洼参数ph、减速带参数pb和/或障碍物参数po。

至少一个传感器例如可以包括用于多个车辆200中的每一个的每个车轮的转速传感器130。

例如基于来自车辆200中的至少一个传感器130的信号，每个车辆的路面数据的确定620可以在包括在车辆200中的至少一个车辆处理装置110中进行。

对至少一个路面参数的值的概率的计算640例如也可以基于从其他来源(诸如天气数据来源)接收到的路面数据。天气数据例如与当前和/或预期温度、降水、水量和/或雪量有关。天气数据例如可以使用天气模型进行处理，该模型基于天气数据将摩擦估算为概率分布。

道路表面数据从多个车辆200到中央处理装置120的传送630例如可以通过无线链路进行。

前述公开内容并非旨在将本发明限制为所公开的精确形式或特定使用领域。可以预期的是，根据本公开，无论是否在本文中明确描述或暗示，对本发明做出各种替代实施例和/或修改都是可能的。因此，本发明的范围仅由权利要求限定。