Datadriven utveckling av algoritmer är en teknik på frammarsch som potentiellt kan hantera komplexa problem där klassiska modellbaserade metoder misslyckas. Ett sådan område är däckvägbane-friktion, och behovet av ett korrekt estimat av denna friktion är nödvändig för t.ex. autonoma bilar. Datadrivna metoder beror helt på den data som den tränas och valideras på. I nuläget finns det inga källor eller tillvägagångssätt att skaffa sig den data som behövs för dessa metoder. Detta projekt har utvecklat en metod för att använda vägfriktionsutrustning för att mäta däck-vägbanefriktion och tillhandahålla data för datadriven utveckling. Metoden har uteslutande fokuserat på vinterväglagen snö och is, men kan direkt tillämpas också för väglag med hög friktions, som torr och våt asfalt, om vägfriktionsmätaren kan hantera det.

Data driven algorithm development is an emerging technique to tackle complex problems where classical model-based approaches fail. Tyre to road friction estimation is an example of such a field, and the need for an accurate estimation of the coefficient of friction is vital for autonomously driven cars. Data driven methods rely on accurate training and validation data. There is currently no such source and method to obtain data for friction estimation required for such methods. The aim of the current project has been to develop a method where a road measurement device is used for measuring continuous tyre to road friction and provide data for data driven development. The method was derived using an empirical approach supported by reference measurements and investigations. The method and the data provided could be used in a larger context to validate other approaches to friction estimation as well as to provide useful insight to road administrators on e.g. real braking distances on the road network.