Zurück Vor

Detailergebnis zu DOK-Nr. 81233

Schätzung des Reifen-Oberflächen-Griffigkeitspotenzials aus Fahrzeugvibrationen (Orig. engl.: Estimating the tire–pavement grip potential from vehicle vibrations)

Autoren E. Levenberg
Sachgebiete 14.1 Griffigkeit, Rauheit
14.6 Schwingungsmessungen, Erschütterungen
5.1 Autobahnen

Transportation Research Record: Journal of the Transportation Research Board Vol. 2677, H. 7, 2023, S. 237-248, 9 B, zahlr. Q. − Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr

Die Studie wurde durch den Wunsch motiviert, den Betreibern von Autobahnen häufigere und räumlich dichtere Informationen über die vorherrschenden Griffigkeitsbedingungen in ihren Netzen zu liefern. Zu diesem Zweck wurde eine neue datengestützte Methode entwickelt, bei der das vorherrschende Reifen-Fahrbahn-Reibungspotenzial anhand von Fahrzeugvibrationen geschätzt wird, die während der normalen/regelmäßigen Nutzung der Infrastruktur aufgezeichnet werden. Die Methode basiert auf der Annahme, dass die Querbeschleunigungen des Fahrzeugs mit den Schwingungen der Radseitenkräfte zusammenhängen und daher Informationen über die Beschaffenheit der Fahrbahnoberfläche enthalten. Dazu wurde eine Kurzzeit-Fourier-Transformation der Schwingungssignale durchgeführt und die resultierenden spektralen Amplituden analysiert. Zur Validierung der Methode wurden zwei Feldversuche durchgeführt. Der erste lieferte den Beweis für einen statistischen Zusammenhang zwischen Fahrzeugquerschwingungen und Rad-Seitenkraftschwingungen. Im zweiten wurde der statistische Zusammenhang zwischen der auf einem 26 km langen Autobahnabschnitt gemessenen Griffigkeit und den entsprechenden Griffigkeitsabschätzungen auf der Grundlage von Fahrzeugschwingungsdaten getestet. Insgesamt wurde festgestellt, dass die Schwingungseigenschaften des Fahrzeugs relevante Informationen über das vorherrschende Griffigkeitspotenzial zwischen Reifen und Fahrbahn enthalten. Die beiden waren mäßig miteinander korreliert. Die neu vorgeschlagene Schätzmethode scheint vielversprechend und potenziell nützlich für Anwendungen im Bereich des Fahrbahnmanagements zu sein, insbesondere in Anbetracht des Aufkommens von Connected-Car-Technologien und der zunehmenden Verfügbarkeit (und Erschwinglichkeit) von fahrzeuginternen Internet-of-Things-Geräten.