估计路面温度的方法、装置、系统和计算机程序产品与流程

1.本发明总体涉及估计地理位置的路面温度。


背景技术：

2.在现代车辆中，有各种各样的传感器可用，它们直接或间接地产生关于汽车及其周围环境的当前状况的信息，以便例如相应地调整车辆行为。一个感兴趣的参数是路面的当前温度，因为其可能会影响轮胎与道路的相互作用(例如摩擦力)，从而影响车辆行为，例如在abs制动期间。
3.然而，标准车辆通常没有允许直接测量路面温度的传感器。为了估计给定地理位置的路段的路面温度，传统方法依赖于路边气象站，例如道路天气信息系统(rwis)，它使用沿道路分布的多个环境传感器站来执行测量并将这些测量报告给中央服务器进行解释(例如使用模型来解释)和传播(例如传播到车辆)。
4.因此，这些传统方法依赖于路边气象站数据的存在和可用性，并且估计准确性与道路气象站的地理密度相关。为了实现高准确性，需要高密度的道路气象站。然而，这些数据可能由于多种原因而无法获得，例如：偏远道路可能没有配备rwis站；rwis站可能因技术、经济或环境原因暂时不可用；rwis数据的提供商可能仅向有限的用户群体提供数据；数据仅代表有限的地理区域；或各种其他原因。
5.对于全球范围的覆盖，rwis数据的用户可能需要从多个本地提供商获得这样的数据，并且用户可能需要描述每个地理位置的依赖关系的多个不同模型。
6.如从这些示例可以看出的，估计路面温度的一个常见问题是依赖路边气象站的可用性。因此，提供替选方法来估计路面温度是非常有意义的。
7.因此，本发明的一个目的是提供用于估计地理位置的路面温度的增强解决方案。


技术实现要素：

8.公开了方法、装置、系统和计算机程序产品，以至少部分地克服上述类型和其他类型的缺点。
9.在第一方面，公开了一种估计地理位置的路面温度的方法。
10.该方法包括检索参考环境传感器数据和检索参考路边传感器数据。环境传感器数据指示移动车辆附近的环境状况，参考路边传感器数据至少指示分布式路边传感器附近的路面温度。特别地，检索可以在数据仓库中执行。
11.指示环境状况的数据属于至少使用车辆传感器可收集的类型。环境状况的非限制性示例可以包括以下中的一者或多者：环境气温、太阳辐射、gps位置、时间、日期、湿度、气压、风速、降雨强度、车辆速度、雾、地表水量、积雪量、冰的存在、交通强度(例如每个时间的车辆)、风向、盐量、路面类型(例如沥青、混凝土、砾石等)、估计的摩擦系数。优选地，使用上述多个环境状况。多个环境状况的使用增加了建立关系的数据基础，从而增加了使用这种综合信息估计路面温度的可靠性和准确性。
12.分布式路边传感器的示例可以包括上述路边气象站(rwis)。其他示例包括先进的车载传感器，这些传感器通过配备有这些传感器的车辆动态地分布在道路网络上，并且可以被配置成为一些分布式参考车辆提供指示路面温度的数据。
13.该方法还包括基于参考环境传感器数据和基于参考路边传感器数据建立参考环境传感器数据和路面温度之间的关系，以及创建对所建立的关系进行编码的数据结构。建立关系的示例可以包括训练神经网络或应用过滤方法，如下面将详述的。这样的关系和相应的数据结构因此可以允许确定路面温度对一个或多个可测量输入变量的依赖关系。
14.例如，可以在参考环境传感器数据和参考路边传感器数据(包括路面温度)上训练神经网络，使得经训练的神经网络可以将(当前)车辆环境传感器数据作为输入而提供路面温度作为输出。因此，这种神经网络编码了路面温度对环境传感器数据的依赖关系。
15.该方法还包括在一个或多个车辆处收集指示该一个或多个车辆附近的当前环境状况的当前车辆环境传感器数据。与以上参照参考环境传感器数据所述的环境状况类似，当前环境状况的非限制性示例可包括以下中的一者或多者：环境气温、太阳辐射、gps位置、时间、日期、湿度、气压、风速、降雨强度、车辆速度、雾、地表水量、积雪量、冰的存在、交通强度(例如每个时间的车辆)、风向、盐量、路面类型(例如沥青、混凝土、砾石等)、估计的摩擦系数。
16.优选地，当前车辆环境传感器数据可以是与参考环境传感器数据相同的类型。例如，这两种数据都可以指示环境气温，而与用于收集此类型数据的特定传感器无关。这允许向使用(参考)环境传感器数据建立的关系馈送相同类型的数据，即(当前车辆)环境传感器数据。
17.此外，该方法包括使用数据结构和使用收集的当前车辆环境传感器数据来确定该地理位置的路面温度估计值。特别地，收集的当前车辆环境传感器数据可以用作数据结构的输入。由数据结构编码的关系因此允许获得地理位置的路面温度估计值作为输出。
18.因此，(一旦已经建立了关系)确定路面温度估计值可能不包括使用当前路边传感器数据，这允许即使在待估计路面温度的该地理位置的分布式路边站缺乏或不可用的情况下也可以估计路面温度。
19.在一些实施方式中，该方法还包括将收集的当前车辆环境传感器数据从一个或多个车辆传输到数据仓库。这允许集中确定路面温度估计值，从而减少车辆处的处理需求以及增加当前车辆环境传感器数据的量，即通过使用来自多个车辆的此类数据。
20.这可以进一步允许从多个车辆收集一个地理位置的环境数据，特别是在长时间段内收集，以便为一个地理位置构建当前车辆环境传感器数据的时间序列。出于本发明的目的，术语“时间序列”是指一组数据点，其指示多个时间点的可测量值(例如，环境状况(例如环境气温)的可测量值)，无论所有测量是由同一个传感器还是由多个传感器执行的，并且无论多个时间点是连续的还是离散的或是它们的任何组合。
21.特别地，时间序列可以整体测量，也可以部分测量然后通过内插或外推的方式完成。时间序列的示例性持续时间可以在一天到几个月的范围内，更优选地为3天到30天，例如(大约)10天的持续时间。例如，这样的持续时间可以适合于捕捉地面的冻结和融化行为。
22.在一些实施方式中，该方法还包括基于所确定的路面温度估计值生成路况数据，并将所生成的路况数据传输到车辆中的至少一者和/或其他车辆。这允许在连接驾驶环境
中应用估计的表面温度，例如，通过对车辆远程执行路面温度的估计并将关于路况的信息传输到(一个或多个)车辆。该(一个或多个)车辆可以使用这些路况数据来控制车辆行为，例如考虑路况会如何影响潜在的abs制动。
23.在一些实施方式中，检索到的参考环境传感器数据可以包括指示(第一)多个时间点的环境状况的(第一)时间序列。这允许基于特别是显示出环境状况的时间演变的更全面的数据基础建立所述关系。发明人已经认识到，这样的时间演变编码了对于地理位置典型的微气候的有价值的信息，这些地理位置显示了这样的时间演变。例如，附近湖泊的存在不仅会影响环境状况(例如空气中的湿度，用湿度测量值表示)，而且还可能影响路面温度的加热/冷却速度。这种依赖关系可以编码在关系中，例如通过使用参考环境传感器数据的时间序列训练神经网络。因此，时间序列的使用允许捕捉物理动态(例如地面冻结)，从而隐含地包含关于气象细节的信息。
24.附加地或替选地，所收集的当前车辆环境传感器数据可以包括指示(第二)多个时间点的当前环境状况的(第二)时间序列。这允许基于特别是显示出环境状况的时间演变的更全面的数据基础确定路面温度估计值。与建立关系类似，这种时间演变编码了关于讨论的所述特定地理位置的微气候的有价值的信息。
25.优选地，建立关系和确定路面温度估计值都可以基于这样的时间序列。
26.在一些实施方式中，可以通过训练神经网络来建立关系并且数据结构表示神经网络。替选地，关系可以通过应用过滤方法来建立，过滤方法特别是卡尔曼过滤器或贝叶斯过滤器或非统计过滤器，并且其中数据结构表示过滤器的输出。这允许用最少的假设或关于依赖性的知识来建立路面温度的依赖关系(与回归分析相反，例如，回归分析需要关于描述这种依赖关系的参数函数的假设)。
27.在一些实施方式中，参考环境传感器数据、参考路边传感器数据和当前车辆环境传感器数据中的一者或多者是位置特定的。例如，关于参考环境传感器数据和参考路边传感器数据的位置的知识促进在这两组数据之间建立联系。类似地，关于当前车辆环境传感器数据的位置的知识允许使用该附加信息作为确定路面温度估计值时的关系的另外的输入。
28.在一些实施方式中，除了路面温度之外，参考路边传感器数据还可以指示以下环境状况中的一种或多种：环境气温、一个或多个深度处的地面温度；太阳辐射；湿度；风速；gps位置；时间；日期；气压；降雨强度；雾；地表水量；积雪量；冰的存在、交通强度(例如每个时间的车辆)、风向、盐量、路面类型(例如沥青、混凝土、砾石等)、估计的摩擦系数。参考路边传感器数据可以通过各种方式中的一种或多种来收集，例如专用传感器、摄像机、气象站、目视检查、激光雷达、雷达、或来自多个来源的数据的融合。这允许考虑由参考路边传感器数据指示的这些环境状况的值与由参考环境传感器数据指示的这些环境条件的值之间的任何差异。
29.在一些实施方式中，该方法还可以包括在数据仓库中检索表示一般天气状况的参考天气数据，以及接收指示地理位置的当前一般天气状况的当前天气数据。在这种情况下，关系的建立可以进一步基于参考天气数据。这允许在路面温度和输入数据之间建立更全面的关系。例如，天气数据(与路边数据相反，其通常容易且全球可用，没有明显限制)可用作进一步的输入参数，且在建立关系(例如，训练神经网络)期间和确定路面温度估计值期间
都使用。特别地，在这种情况下，路面温度估计值的确定可以进一步基于当前天气数据。
30.参考天气数据或当前天气数据的非限制性示例包括以下中的一者或多者：环境气温、太阳倾角、云量、地理区域、湿度、风速、时间、日期、气压、降雨强度、雾、地表水量、积雪量、冰的存在、不同高度的温度分布、风向、路面温度。
31.在第二方面，公开了一种计算机程序产品。该计算机程序产品包括被配置为当在计算设备中执行时执行根据第一方面的方法的步骤的程序代码。
32.在第三方面，公开了一种用于估计地理位置的路面温度的装置。该装置包括数据存储单元、通信接口和处理单元。数据存储单元被配置成存储对可通过车辆测量的参考环境传感器数据与路面温度之间的关系进行编码的数据结构。通信接口用于接收指示车辆附近的当前环境状况的当前车辆环境传感器数据。
33.处理单元与车辆传感器和数据存储单元通信地联接，并且被配置成使用数据结构基于收集的当前车辆环境传感器数据来确定地理位置的路面温度估计值。
34.因此，这样的装置允许充分利用在数据结构中编码的关系，而无论该关系是由该装置还是由另一个实体建立的(并且由该装置接收)。
35.在第四方面，公开了一种用于产生数据结构的数据仓库单元，其被配置成(i)获得指示车辆附近的环境状况的参考环境传感器数据，(ii)获得至少指示路边传感器附近并由路边传感器测量的路面温度的参考路边传感器数据，(iii)基于参考环境传感器数据和基于参考路边传感器数据，建立参考环境传感器数据和路面温度之间的关系，(iv)创建对所建立的关系进行编码的数据结构；以及(v)将数据结构传送到装置。这种数据仓库单元允许为各种用户或用户设备生成对所述关系进行编码的数据结构。例如，可以将数据结构传输到根据第三方面的装置或被配置成使用在数据结构中编码的关系的任何其他装置。
36.在第五方面，公开了一种用于估计地理位置的路面温度的系统。该系统包括根据第三方面的装置和根据第四方面的数据仓库单元。数据仓库单元通信地联接到装置以将数据仓库单元的数据结构传输到所述装置。这样的系统允许充分利用上述所有方面，因为它包括数据仓库单元和装置两者。
37.在一些实施方式中，该系统还可以包括车辆传感器，其被配置成收集指示车辆附近的当前环境状况的当前车辆环境传感器数据，并且通信地联接到装置的通信接口。
38.在第六方面，公开了根据第五方面的系统用于估计路面温度的用途。
附图说明
39.以下详细描述参考附图，其中：
40.图1示意性地示出了道路和车辆的情况，在该情况中可以使用根据实施方式的方法、数据仓库单元或系统；
41.图2示出了根据实施方式的具有装置和数据仓库单元的系统的框图；
42.图3示出了根据实施方式的方法的一般流程图；和
43.图4示出了根据一个特定实施方式的方法的流程图；以及
44.图5示意性地示出了道路和车辆的情况，在该情况中可以使用根据实施方式的方法、装置或系统。
具体实施方式
45.图1示意性地示出了道路和车辆的情况，在该情况中可以使用根据本发明的方法、数据仓库单元或系统。
46.特别地，图1示出了第一地理位置10。在所示示例中，第一地理位置10是路段。本发明适用于基本上任何粒度级别的地理位置。例如，地理位置可以是州、地区、市镇、道路、路段、网格的单位面积、十字路口等。优选地，地理位置是路段。
47.路段10设置有固定路边传感器12，固定路边传感器12被配置成测量至少指示路段10处的路面温度的参考路边传感器数据。
48.尽管图1中所示的示例是固定测量站，但固定路边传感器的功能可以附加地或替选地由其他分布式路边传感器执行，例如移动参考站(例如专门配备的参考车辆)的传感器。
49.在任何情况下，参考路边传感器数据从固定的路边传感器12传输到数据仓库单元16以供进一步处理。
50.图1还示出了另一路段11，其没有设置任何能够测量路面温度的传感器。
51.两个车辆13、14正在接近路段10。两个车辆13、14都配备有各自的参考环境传感器，这些参考环境传感器被配置成收集参考环境传感器数据，例如环境气温传感器(未示出)。
52.车辆13可能比车辆14更早到达路段10。一旦车辆13在路段10附近，则在第一时间点，它将收集参考环境传感器数据，例如第一环境气温。由第一车辆13收集的参考环境传感器数据由车辆13传输到数据仓库单元16，例如连同其他信息(例如位置和/或时间/日期)一起传输。
53.类似地，一旦车辆14在路段10附近，则在第二时间点，它将收集参考环境传感器数据，例如第二环境气温。由第二车辆14收集的参考环境传感器数据由车辆14传输到数据仓库单元16，例如连同其他信息(例如位置和/或时间/日期)一起传输。
54.在未示出的其他实施方式中，参考环境传感器数据的收集可以附加地或替选地由路边传感器12执行。这允许收集来自同一位置(即传感器12所在的位置)的用于建立关系的两组数据(即参考环境传感器数据和参考路边传感器数据)，从而提高了要建立的关系的准确性。
55.返回到图1的描述，到数据仓库单元16的传输可以无线地发生，例如通过互联网15发生。
56.在数据仓库单元16处，进一步处理由路边传感器12和车辆13、14收集的数据，以便建立它们之间的关系并创建对该关系进行编码的数据结构，如下文将详述的。
57.如从以下描述中将明显的，根据本发明的教导然后允许使用这种关系和数据结构以便可靠地预测或估计在附近的(例如在路段11处)或远程(例如在另一个国家)的其他地理位置的路面温度。
58.例如，利用在地理位置10的路面温度和车辆传感器数据之间建立的关系，本发明允许收集另一地理位置11(没有路边传感器来测量路面温度)附近的环境车辆传感器数据，并且使用所建立的关系确定路面温度估计，无需路边传感器数据。
59.在图1的示例中，第一车辆13将在第二车辆14之前到达第二地理位置11。因此，第
一车辆13可以收集地理位置11附近的当前环境车辆传感器数据。这些数据可以由根据本发明的装置(图1中未示出)(或方法)使用，以生成路面温度估计值，如下面将参照附图详述的。
60.图2示出了用于估计地理位置的路面温度的系统20的框图。系统20具有数据仓库单元21、装置24和车辆传感器28。在未示出的其他示例中，系统可以不包括车辆传感器28。
61.数据仓库单元21用于生成数据结构。数据仓库单元21包括数据存储器22和处理单元23。
62.数据存储器22被配置成获得由车辆传感器测量的指示车辆附近的环境状况的参考环境传感器数据(在图2中表示为“ref data a”、“ref data b”等)。数据存储器22还被配置成获得至少指示在路边传感器附近并由路边传感器测量的路面温度(在图2中表示为t
surf,a
、t
surf,b
等)的参考路边传感器数据。
63.处理单元23被配置成基于数据存储器22中的信息建立参考环境传感器数据和路面温度之间的关系。处理单元23还被配置成创建数据结构，该数据结构对所建立的关系进行编码。
64.数据仓库单元21通信地联接到装置24，以将数据仓库单元的数据结构传输到装置24，特别是传输到装置的数据存储单元25。
65.数据仓库单元21因此将生成对环境数据和路面温度之间的关系进行编码的数据结构，并将其传输到装置24，装置24被配置成使用在数据结构中编码的关系。
66.装置24用于估计地理位置的路面温度。装置24包括数据存储单元25、通信接口26和处理单元27。
67.数据存储单元25被配置成存储数据仓库单元21传输的数据结构。如前详细所述，数据结构编码了车辆可测量的参考环境传感器数据与路面温度之间的关系。
68.通信接口26用于接收指示车辆附近的当前环境状况的当前车辆环境传感器数据。这些当前车辆环境传感器数据由一个或多个车辆传感器28测量，所述一个或多个车辆传感器28将这些数据传输到通信接口26。
69.所述装置的处理单元27通过接口26与车辆传感器28通信地联接，并与数据存储单元25通信地联接。处理单元27被配置成使用数据结构并基于收集到的当前车辆环境传感器数据确定地理位置的路面温度估计值。
70.因此装置24用于使用在数据结构中编码的关系来估计路面温度。
71.图3示出了用于估计地理位置的路面温度的方法30的一般流程图。
72.方法30包括检索参考环境传感器数据的步骤31和检索参考路边传感器数据的步骤32。参考环境传感器数据指示移动车辆附近的环境状况，并且参考路边传感器数据至少指示分布式路边传感器(例如路边气象站(例如rwis))附近的路面温度。
73.在所示示例中，步骤31和32基本上并行执行。在其他示例中，这些步骤可以顺序地执行(首先是步骤31，然后是步骤32；或者首先是步骤32，然后是步骤31)或仅部分并行地执行。在更进一步的示例中，检索参考路边传感器数据(其至少包括分布式路边传感器附近的路面温度)的步骤32还可以包括检索指示如由分布式路边传感器测量的环境状况(例如车辆附近的环境气温的时间序列)的参考环境传感器数据的步骤(类似于步骤31)。
74.返回到图3，方法30还包括步骤33：基于参考环境传感器数据和基于参考路边传感
器数据，建立参考环境传感器数据和路面温度之间的关系。方法30还包括步骤34：创建对所建立的关系进行编码的数据结构。
75.步骤31到步骤34的集合例如可以在数据仓库中执行并且可以被认为是生成关系数据结构的方法。
76.方法30还包括步骤35：在一个或多个车辆处收集指示该一个或多个车辆附近的当前环境状况的当前车辆环境传感器数据。
77.此外，方法30包括步骤36：使用数据结构和收集的当前车辆环境传感器数据确定地理位置的路面温度估计值。特别地，收集的当前车辆环境传感器数据可以用作数据结构的输入。因此由数据结构编码的关系允许获得地理位置的路面温度估计值作为输出。
78.如从图3可以看出的，确定36路面温度估计值不包括使用当前路边传感器数据。来自分布式路边站的数据仅在步骤32和33中用于建立关系。
79.步骤35、36的集合例如可以在网络后端中执行并且可以被认为是使用关系数据结构来估计路面温度。
80.图4示出了用于估计地理位置的路面温度的特定方法40的流程图。方法40可以被认为是图3所示的更一般的方法30的优选实施方式。
81.方法40包括步骤41：检索参考环境气温的时间序列形式的参考环境传感器数据。参考环境传感器数据因此指示移动车辆附近多个时间点的环境温度状况。在优选示例中，参考环境传感器数据可以包括其他量，例如湿度、气压、风速、降雨强度、雾、地表水量、积雪量、冰的存在、风向和/或盐量的时间序列。然而，出于说明的目的，本示例关注于参考环境气温的时间序列形式的参考环境传感器数据。
82.方法40还包括步骤42：检索路面温度的时间序列形式的参考路边传感器数据的。因此，参考路边传感器数据指示分布式路边传感器(例如路边气象站(例如rwis))附近的路面温度。
83.在所示示例中，环境气温用作示例性环境状况。附加地或替选地可以使用环境状况的其他示例，包括：太阳辐射、gps位置、时间、日期、湿度、气压、风速、降雨强度、车辆速度、雾、地表水量、积雪量、冰的存在、交通强度(例如个时间的车辆)、风向、盐量、路面类型(例如沥青、混凝土、砾石等)、估计的摩擦系数。
84.方法40还包括步骤43：训练神经网络。通过训练神经网络，在一方面由车辆测量的环境气温(参考环境传感器数据)与另一方面由分布式路边传感器测量的路面温度之间建立关系。
85.通过使用环境气温(由车辆测量)和使用参考路面温度来训练神经网络，允许确定路面温度对环境气温的可测量输入变量的依赖关系。在未示出的其他示例中，可以使用另外的输入变量。在任何情况下，经训练的神经网络可用于在将当前车辆环境传感器数据的时间序列作为输入时输出路面温度估计值。
86.在所示示例中，神经网络可以在参考环境传感器数据和参考路边传感器数据(包括路面温度)上进行训练，使得经训练的神经网络可以将(当前)车辆环境传感器数据作为输入而输出路面温度作为输出。因此，这种神经网络编码路面温度对环境传感器数据的依赖关系。
87.特别是对于时间序列形式的参考数据，要训练的神经网络可以是循环神经网络
(即，它不仅表现出到下游层的前馈链接，而且还表现出到同一层或上游层的反馈链接)。这允许包括时间动态行为。
88.因此，在所描绘的用参考环境传感器数据的时间序列训练神经网络的情况下，神经网络可以用于在将当前车辆环境传感器数据的时间序列作为输入时输出路面温度估计值。
89.作为训练神经网络的替选方案，其他实施方式(未示出)可以包括应用过滤方法。
90.方法40还包括创建编码经训练的神经网络的数据结构的步骤44和收集当前环境气温的时间序列形式的当前车辆环境传感器数据的步骤45。
91.当前环境气温的时间序列指示一个或多个车辆附近多个时间点的当前环境状况。由于每个车辆正在移动并且仅在给定地理位置停留有限的时间段，因此优选地在多个车辆处测量多个时间点的环境气温，从而基于来自多个车辆的多个时间点的数据来构造(或估计)时间序列。
92.这种环境状况的时间序列也可以针对还包括以下一者或多者的当前环境状况的其他示例进行测量：太阳辐射、gps位置、时间、日期、湿度、气压、风速、降雨强度、车辆速度、雾、地表水量、积雪量、冰的存在、交通强度(例如每个时间的车辆)、风向、盐量、路面类型(例如沥青、混凝土、砾石等)、估计的摩擦系数。
93.此外，方法40包括步骤46：使用经训练的神经网络和使用收集的当前环境气温数据确定地理位置的路面温度估计值。特别地，收集的当前环境气温数据可以用作经训练的神经网络的输入。因此，由神经网络编码的关系允许获得地理位置的路面温度估计值作为输出。
94.尽管在图4中未明确示出，但方法40还可包括检索指示一般天气状况(例如湿度)的参考天气数据，类似于检索步骤41、42。然后，建立关系进一步基于参考天气数据(除了参考环境传感器数据之外)。因此，建立关系，使得它进一步将天气数据作为(进一步的)输入。
95.在这种情况下，方法40还可以包括接收指示地理位置的当前一般天气状况的当前天气数据，类似于收集步骤45。因此，确定路面温度估计值的步骤46将进一步基于当前天气数据(除了当前车辆环境传感器数据之外)。
96.图5示意性地示出了道路和车辆的情况，在该情况中可以使用根据本发明的方法、装置或系统。
97.特别地，图5示出了用于估计地理位置的路面温度的装置50。装置50存储对可由车辆测量的环境传感器数据与路面温度之间的关系进行编码的数据结构(未示出)。
98.第一车辆52已经通过地理位置51。第一车辆52已经收集了地理位置51附近的当前环境车辆传感器数据并且已经将这些数据传输到装置50。
99.尽管没有为地理位置51提供用于确定路面温度的任何常规装置，但是装置50被配置成使用数据结构并基于地理位置51的传输的环境车辆传感器数据来估计路面温度。
100.在其他情况下(未示出)，该装置可以基于来自多个车辆的多个测量值(例如以环境车辆传感器数据的时间序列的形式)来进行估计。
101.一旦装置50已经估计了路面温度，则它可以生成路况数据(例如，在估计的路面温度指示存在冰的情况下指示道路结冰)并将这些路况数据(和/或估计的路面温度)传输到当前正在接近地理位置51的第二车辆53。