エネルギーコスト予測システム
【課題】データの抽出条件を適切に変更することが可能な技術を提供することを目的とする。
【解決手段】エネルギーコスト予測システムは、エネルギーコスト解析部１により解析されたエネルギーコストに係る走行条件を解析する走行条件解析部２と、エネルギーコスト解析部１により解析されたエネルギーコストと、走行条件解析部２により解析された走行条件との組を、一の車両のコスト実績値として収集するエネルギーコスト収集部４と、各車両のコスト実績値を集約するエネルギーコスト集約部５とを備える。そして、当該システムは、自車両の走行条件と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の第１抽出条件を決定し、かつ、自車両の所望の走行条件と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の第２抽出条件を決定する抽出条件決定部６を備える。
【解決手段】エネルギーコスト予測システムは、エネルギーコスト解析部１により解析されたエネルギーコストに係る走行条件を解析する走行条件解析部２と、エネルギーコスト解析部１により解析されたエネルギーコストと、走行条件解析部２により解析された走行条件との組を、一の車両のコスト実績値として収集するエネルギーコスト収集部４と、各車両のコスト実績値を集約するエネルギーコスト集約部５とを備える。そして、当該システムは、自車両の走行条件と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の第１抽出条件を決定し、かつ、自車両の所望の走行条件と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の第２抽出条件を決定する抽出条件決定部６を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、車両のエネルギーコストを予測するエネルギーコスト予測システムに関するものである。
【背景技術】
【０００２】
エコルート探索、電気自動車の到達可能エリアの提示など、車両のエネルギーの消費、つまり、エネルギーコストを道路ごとに予測する要求が増している。エネルギーコストの予測方法として、例えば、特許文献１に開示されているように、サーバにおいて集約された各車両のエネルギーコスト実績値と、一の車両の車載装置において収集された実績値とに基づいて、その車両の目標経路におけるエネルギーコストを予測する方法が知られている。この予測方法では、エネルギーコストを増減する要因（コスト要因）ごとに、各車両の実績値の統計値に対する、一の車両の実績値の統計値のずれ（分散値、補償値）を算出し、そのずれた分だけ補正することにより、所望の走行条件下における当該一の車両のエネルギーコストを予測する。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００９−２５０９３０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
以上のような予測方法においては、サーバに集められたデータ量が少ない段階では、条件からある程度離れたデータを使って予測することが多いが、データ量が多くなると、条件に近いデータを使って予測することができ、予測精度が向上していくと考えられる。また、それらデータから予測に用いるデータを抽出するための条件を厳しくすることでデータを減らし、計算量や通信量を抑制することができると考えられる。
【０００５】
しかしながら、抽出条件を厳しい条件で固定すると、データ量が少ない場合には、その場合に得られる予測値が統計的な信頼性に欠けたものとなるとともに、なかなか抽出条件を満たすデータを取得することができないことから予測値もなかなか取得できなくなる。つまり、抽出条件を厳しい条件で固定すると、適当に予測できないことがあるという問題がある。一方、抽出条件を緩い条件で固定すると、所望の条件と異なる条件の下にあるデータを予測に使用することになるため、予測精度が低下する。また、抽出条件の影響は、状況に応じて大きく変動することから、抽出条件をどのようにすべきかを理論的に導出することができないという問題があった。
【０００６】
また、実際に消費するエネルギー量は、車両や運転者（ドライバ）の特性が大きく影響する。したがって、多くの車両から集めた実績値だけに基づいて一般的なデータマイニング手法で予測した場合には、高精度に予測することができないという問題がある。
【０００７】
そこで、本発明は、上記のような問題点を鑑みてなされたものであり、データの抽出条件を適切に変更することが可能な技術を提供することを目的とする。
【課題を解決するための手段】
【０００８】
本発明に係るエネルギーコスト予測システムは、車両のエネルギーコストを予測するエネルギーコスト予測システムであって、一の前記車両が走行時に消費したエネルギーコストを解析するエネルギーコスト解析部と、前記エネルギーコスト解析部により解析された前記エネルギーコストに係る走行条件を解析する走行条件解析部とを備える。また、前記システムは、前記エネルギーコスト解析部により解析された前記エネルギーコストと、前記走行条件解析部により解析された前記走行条件との組を、前記一の車両のコスト実績値として収集するエネルギーコスト収集部と、各前記車両の前記コスト実績値を集約するエネルギーコスト集約部と、所望の走行条件が入力される予測条件入力部とを備える。また、前記システムは、前記走行条件解析部により解析された前記一の車両の走行条件と、前記一の車両の前記コスト実績値または前記エネルギーコストと、前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第１抽出条件を決定し、かつ、前記予測条件入力部に入力された前記一の車両の所望の走行条件と、前記一の車両及び前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第２抽出条件を決定する抽出条件決定部を備える。また、前記システムは、前記第１抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記一の車両及び前記各車両の第１コスト統計値を算出し、かつ、前記第２抽出条件を満たす前記各車両の前記コスト実績値に基づいて、前記各車両の第２コスト統計値を算出するコスト実績値抽出部と、前記コスト実績値抽出部により算出された前記一の車両及び前記各車両の前記第１コスト統計値に基づいて前記一の車両の固有特性を算出する固有特性評価部とを備える。また、前記システムは、前記第２抽出条件に基づいて、前記固有特性評価部により算出された前記固有特性から一つの前記固有特性を抽出する固有特性抽出部と、前記コスト実績値抽出部により算出された前記各車両の前記第２コスト統計値と、前記固有特性抽出部により抽出された前記固有特性とに基づいて、前記一の車両のエネルギーコストを予測するエネルギーコスト予測部とを備える。
【発明の効果】
【０００９】
本発明によれば、第１抽出条件を走行条件及びコスト実績値に基づいて決定し、第２抽出条件を所望の走行条件及びコスト実績値に基づいて決定することから、第１及び第２抽出条件が適切となるようにそれらを動的に変更することができる。
【図面の簡単な説明】
【００１０】
【図１】実施の形態１に係るエネルギーコスト予測システムの構成を機能ごとに示すブロック図である。
【図２】実施の形態１に係るエネルギーコスト予測システムのハードウェア構成の一例を示す図である。
【図３】実施の形態１に係るエネルギーコスト予測システムの処理を示すフローチャートである。
【図４】実施の形態１に係るエネルギーコスト予測システムの処理を示すフローチャートである。
【図５】実施の形態１に係るエネルギーコスト予測システムの処理を示すフローチャートである。
【発明を実施するための形態】
【００１１】
＜実施の形態１＞
図１は、本発明の実施の形態１に係るエネルギーコスト予測システムの構成を機能ごと示すブロック図である。
【００１２】
図１に示すように、本エネルギーコスト予測システムは、一の車両（以下、着目する一の車両を「自車両」と呼ぶ）が走行時に消費したエネルギーコストを解析するエネルギーコスト解析部１と、エネルギーコスト解析部１により解析されたエネルギーコストに係る走行条件を解析する走行条件解析部２とを備える。そして、本エネルギーコスト予測システムは、エネルギーコスト解析部１により解析されたエネルギーコストと、走行条件解析部２により解析された走行条件との組を自車両の「コスト実績値」として収集するエネルギーコスト収集部３と、各車両のコスト実績値を集約するエネルギーコスト集約部４とを備える。なお、本実施の形態においては、各車両は、自車両、及び、それ以外の複数の車両（以下「他車両」と呼ぶこともある）の両者を含むものとして説明するが、これに限ったものではなく、各車両は、他車両だけを含むものであってもよい。
【００１３】
本エネルギーコスト予測システムは、所望の走行条件が「予測条件」として入力される予測条件入力部５を備える。そして、本エネルギーコスト予測システムは、走行条件解析部２により解析された自車両の走行条件と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の「第１抽出条件」を決定し、かつ、予測条件入力部５に入力された自車両の予測条件（所望の走行条件）と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の「第２抽出条件」を決定する抽出条件決定部６を備える。
【００１４】
本エネルギーコスト予測システムは、第１抽出条件を満たす自車両及び各車両のコスト実績値に基づいて自車両及び各車両の「第１コスト統計値」を算出し、かつ、第２抽出条件を満たす各車両のコスト実績値に基づいて各車両の「第２コスト統計値」を算出するコスト実績値抽出部７を備える。
【００１５】
本エネルギーコスト予測システムは、コスト実績値抽出部７により算出された自車両及び各車両の第１コスト統計値に基づいて自車両の「固有特性」を算出する固有特性評価部８と、第２抽出条件に基づいて、固有特性評価部８により算出された固有特性から一つの固有特性を抽出する固有特性抽出部９とを備える。そして、本エネルギーコスト予測システムは、コスト実績値抽出部７により算出された各車両の第２コスト統計値と、固有特性抽出部９により抽出された固有特性とに基づいて自車両のエネルギーコストを予測するエネルギーコスト予測部１０を備えている。
【００１６】
図２は、本実施の形態に係るエネルギーコスト予測システムのハードウェア構成の一例を示すブロック図である。
【００１７】
図２に示すように、エネルギーコスト予測システムは、自車両に搭載される車載装置１１０と、上述の他車両に搭載される、車載装置１１０または車載装置１１０と同様の機能を持つ車載装置ｎｎ０と、これらと通信可能なサーバ装置１００とを備える。
【００１８】
車載装置１１０は、内部ＤＢ（データベース）１１１と、通信装置１１２と、センサ群１１３と、地図ＤＢ１１４と、入力装置１１５とを有している。サーバ装置１００は、内部ＤＢ１０１と、通信装置１１２と通信可能な通信装置１０２とを有している。
【００１９】
図３及び図４は、本実施の形態に係るエネルギーコスト予測システムの処理を示すフローチャートである。このエネルギーコスト予測システムでの処理は、全体的な処理の流れとして、図３に示される自車両の固有特性の算出処理と、図４に示される自車両のエネルギーコストの予測処理との２つの段階を有している。
【００２０】
まず、図３を用いて、自車両の固有特性の算出処理について説明する。
【００２１】
ステップＳ１−１では、エネルギーコスト解析部１が、自車両の走行時に消費したエネルギーコストを解析する。本実施の形態では、エネルギーコスト解析部１は、センサ群１１３を使用して、自車両の走行時に消費したエネルギーコストを解析する。ここでは、ハードウェア構成に応じた解析を行うこととする。例えば、自車両が、保持しているエネルギー量を計測するセンサを持っている場合には、それを用いて自車両のエネルギーコストを計測してもよいし、そうでない場合には、他のセンサの値を総合的に勘案して自車両のエネルギーコストを推測してもよい。
【００２２】
なお、エネルギーコスト解析部１での解析は、複数の時点で行われる。解析のタイミングは、運転者が所望のタイミングを入力装置１１５に入力することによって決定されてもよいし、走行距離や走行時間が所定の設定値に達したタイミングなどであってもよい。
【００２３】
ステップＳ１−２では、走行条件解析部２が、エネルギーコスト解析部１により解析されたエネルギーコストに係る走行条件、例えば、エネルギーコストの元となる各種データなどを解析する。本実施の形態では、走行条件解析部２は、通信装置１１２、センサ群１１３及び地図ＤＢ１１４を使用して、当該走行条件を解析する。
【００２４】
ここで、走行条件は、例えば、道路情報、時間情報、周辺状況、車両状況及び運転者状況を含んでいるものとする。道路情報は、走行した経路の静的な情報であり、リンクＩＤ、道路幅、車線数、曲率、勾配、高度、信号数、右左折、合流などの情報を含んでいる。時間情報は、走行した時間の情報であり、時刻（時間帯）、日付（季節）、曜日（平日、休日）などの情報を含んでいる。車両状況は、走行時における自車両の状態を示す情報であり、車両ＩＤ、エネルギー種別、排気量、重量、電装品の使用、タイヤの消耗、積載重量（乗車人数）などの情報を含んでいる。周辺状況は、走行時における自車両周辺の状態を示す情報であり、天気、気温、湿度、地震、渋滞、交通規制、イベントなどの情報を含んでいる。運転者状況は、走行時における運転者の状態を示す情報であり、運転者ＩＤ、通勤・送迎・観光などの目的、体調、運転習熟度などの情報を含んでいる。
【００２５】
ステップＳ１−３では、エネルギーコスト収集部３が、エネルギーコスト解析部１により解析されたエネルギーコストと、走行条件解析部２により解析された走行条件との組を自車両のコスト実績値として収集する。本実施の形態では、自車両のエネルギーコスト収集部３は、収集した自車両のコスト実績値を内部ＤＢ１１１に保存するとともに、通信装置１１２を介してサーバ装置１００に送信する。他車両の車載装置ｎｎ０も同様に、他車両のコスト実績値をサーバ装置１００に送信する。
【００２６】
ステップＳ１−４では、エネルギーコスト集約部４が、各車両のコスト実績値を集約する。本実施の形態では、エネルギーコスト集約部４は、通信装置１０２を介して、自車両の車載装置１１０から送信されたコスト実績値、及び、他車両の車載装置ｎｎ０から送信されたコスト実績値を、各車両のコスト実績値として集約し、内部ＤＢ１０１に保存する。そして、エネルギーコスト集約部４は、内部ＤＢ１０１に保存されたコスト実績値を、各車両のコスト実績値として抽出条件決定部６に送信する。
【００２７】
ステップＳ１−５では、抽出条件決定部６が、走行条件解析部２により解析された走行条件と、自車両及び各車両のコスト実績値とに基づいて、第１抽出条件を決定する。この第１抽出条件は、車載装置１１０の内部ＤＢ１１１に格納された自車両のコスト実績値、及び、サーバ装置１００の内部ＤＢ１０１に格納された各車両のコスト実績値のうち、固有特性の算出に用いられるべき自車両及び各車両のコスト実績値を抽出するための条件である。
【００２８】
本実施の形態においては、この第１抽出条件が、走行条件及びコスト実績値に基づいて動的に変更される。したがって、例えば、データ（コスト実績値）が多い場合には余分なデータを減らすことから、計算量を抑制したり、予測精度を高めたりすることができ、その一方で、データ（コスト実績値）が少ない場合にはデータをあまり減らさないことから、予測精度を適当に行うことができるものとなっている。なお、抽出条件決定部６が、第１抽出条件を決定する処理については、後で図５に示されるフローチャートを用いて詳細に説明する。
【００２９】
ステップＳ１−６では、コスト実績値抽出部７が、内部ＤＢ１１１に格納された自車両のコスト実績値、及び、内部ＤＢ１０１に格納された各車両のコスト実績値から、第１抽出条件を満たす自車両のコスト実績値及び各車両のコスト実績値をそれぞれ抽出する。
【００３０】
ステップＳ１−７では、コスト実績値抽出部７が、ステップＳ１−６で抽出した自車両及び各車両のコスト実績値に基づいて、自車両及び各車両の第１コスト統計値をそれぞれ算出する。本実施の形態では、コスト実績値抽出部７は、ステップＳ１−６で抽出した自車両のコスト実績値を平均する統計処理を行うことにより自車両の第１コスト統計値を算出し、ステップＳ１−６で抽出した各車両のコスト実績値を平均する統計処理行うことにより各車両の第１コスト統計値を算出する。なお、ここではコスト実績値の平均値を第１コスト統計値としているが、これに限ったものではなく、例えば、コスト実績値の最頻値を第１コスト統計値としてもよい。
【００３１】
ステップＳ１−８では、固有特性評価部８が、コスト実績値抽出部７により算出された自車両及び各車両の第１コスト統計値に基づいて、自車両の固有特性を算出（評価）する。本実施の形態では、固有特性評価部８は、自車両の第１コスト統計値と、各車両の第１コスト統計値との比を、自車両の固有特性とする。なお、ここでは、当該比を自車両の固有特性としているが、これに限ったものではなく、例えば、各車両のコスト実績値の分布に対する自車両のコスト実績値の平均値の位置を、自車両の固有特性としてもよい。
【００３２】
次に、図４を用いて、自車両のエネルギーコストを予測する予測処理について説明する。
【００３３】
ステップＳ２−１では、予測条件入力部５に、予測条件（所望の走行条件）が入力される。本実施の形態では、運転者により入力装置１１５に入力された案内経路及び操作時刻、センサ群１１３が取得したセンサデータ、地図ＤＢ１１４のデータ、通信装置１１２で取得した外部システムのデータに関する条件を、予測条件とする。
【００３４】
ステップＳ２−２では、抽出条件決定部６が、予測条件入力部５に入力された予測条件（所望の走行条件）と、自車両及び各車両のコスト実績値とに基づいて、第２抽出条件を決定する。この第２抽出条件は、内部ＤＢ１０１に格納された各車両のコスト実績値のうち、自車両のエネルギーコストの予測に用いられるべき各車両のコスト実績値を抽出するための条件である。
【００３５】
本実施の形態においては、この第２抽出条件が、予測条件及びコスト実績値に基づいて動的に変更される。したがって、例えば、データ（コスト実績値）が多い場合には余分なデータを減らすことから、計算量を抑制したり、予測精度を高めたりすることができ、その一方で、データ（コスト実績値）が少ない場合にはデータをあまり減らさないことから、予測精度を適当に行うことができるものとなっている。なお、抽出条件決定部６が、第２抽出条件を決定する処理については、後で図５に示されるフローチャートを用いて詳細に説明する。
【００３６】
ステップＳ２−３では、コスト実績値抽出部７が、内部ＤＢ１０１に格納された各車両のコスト実績値から、第２抽出条件を満たす各車両のコスト実績値を抽出する。
【００３７】
ステップＳ２−４では、コスト実績値抽出部７が、ステップＳ２−３で抽出した各車両のコスト実績値に基づいて、各車両の第２コスト統計値を算出する。なお、第２コスト統計値の算出は、ステップＳ１−７で説明した算出と同様である。
【００３８】
ステップＳ２−５では、固有特性抽出部９が、第２抽出条件に基づいて、固有特性評価部８により算出された固有特性から一つの固有特性を抽出する。例えば、固有特性抽出部９は、第２抽出条件に最も類似する第１抽出条件に対応する一つの固有特性を抽出する。
【００３９】
ステップＳ２−６では、エネルギーコスト予測部１０が、コスト実績値抽出部７により算出された各車両の第２コスト統計値と、固有特性抽出部９により抽出された固有特定とに基づいて、予測条件（所望の走行条件）下における自車両のエネルギーコストを予測する。本実施の形態のように、自車両の第１コスト統計値と、各車両の第１コスト統計値との比を自車両の固有特性としている場合、エネルギーコスト予測部１０は、各車両の第２コスト統計値（コスト実績値の平均値）に対して、当該比を反映することにより、自車両のエネルギーコストの予測値を算出する。
【００４０】
つまり、エネルギーコスト予測部１０は、自車両の第１コスト統計値が各車両の第１コスト統計値からずれている分だけ、各車両の第２統計値からずらして得られる値を、エネルギー予測値として取得する。なお、エネルギーコスト予測部１０での算出方法は、固有特性評価部８での固有特性の算出方法に適切に対応させればよい。
【００４１】
図５は、本実施の形態に係る抽出条件決定部６による抽出条件（第１及び第２抽出条件）の決定処理の一例を示すフローチャートである。以下、この図５を用いて、抽出条件決定部６の決定処理について詳細に説明する。
【００４２】
ステップＳ３−１では、抽出条件決定部６は、走行条件解析部２により解析された走行条件が与えられた場合には、当該走行条件に基づいて第１抽出条件となる第１の所定抽出条件を初期設定する。あるいは、抽出条件決定部６は、予測条件入力部５に入力された予測条件（所望の走行条件）が与えられた場合には、当該予測条件に基づいて第２抽出条件となる第２の所定抽出条件を初期設定する。
【００４３】
ここでは、抽出条件決定部６は、与えられた走行条件に基づき、エネルギーコストを増減する要因であるコスト要因の全てについて所定抽出条件（第１または第２の所定抽出条件）の範囲レベルを０とする（最も条件を厳しくする）。つまり、ステップＳ３−１では、所定抽出条件の初期値の設定が行われる。なお、コスト要因には、例えば、走行条件で説明した項目の少なくともいずれか一つが該当する。
【００４４】
ステップＳ３−２では、抽出条件決定部６は、その時点での所定抽出条件を満たすデータセット（自車両及び各車両のコスト実績値）を抽出する。なお、データセットに含まれる自車両のコスト実績値の抽出元は、エネルギーコスト収集部３で収集された自車両のコスト実績値であり、同データセットに含まれる各車両のコスト実績値の抽出元は、エネルギーコスト集約部４で集約された各車両のコスト実績値である。また、「その時点での所定抽出条件」とは、ステップＳ３−１からステップＳ３−２に移行された場合には、ステップＳ３−１において初期化された所定抽出条件を意味し、ステップＳ３−６からステップＳ３−２に移行された場合には、ステップＳ３−６において変更された後の所定抽出条件を意味する。
【００４５】
ステップＳ３−３では、まず、抽出条件決定部６は、第１の所定抽出条件を満たす自車両及び各車両のコスト実績値（データセット）に基づいて、エネルギーコストの予測に関するコスト実績値の信頼度を求める。あるいは、抽出条件決定部６は、第２の所定抽出条件を満たす自車両及び各車両のコスト実績値（データセット）に基づいて、同様の信頼度を求める。
【００４６】
本実施の形態では、信頼度は、データ量に対して単調増加する値であり、次式（１）により求められる。
Ｃ＝ｋ１×Ａ＋ｋ２×ΣＢi ・・・（１）
ここで、Ａはデータ量（ここでは抽出されたデータセットの数）、Ｂi（ｉ＝１〜Ａ）はデータｉの条件一致度である。条件一致度Ｂは、ステップＳ３−２で抽出されたデータセット中の各データｉについて、与えられた走行条件とずれが小さければ高くなる評価値であり、例えば、各データの各コスト要因について、コスト要因の重要度、及び、基準値とのずれを考慮して計算した値を総合したものが適用される。式（１）においてΣＢiは、ｉ＝１からｉ＝Ａまでデータｉの条件一致度についての和をとることを意味する。また、ｋ１及びｋ２はデータ量及び条件一致度それぞれに係る所定のパラメータであり、データ量Ａを重視するか、条件一致度Ｂを重視するかを決定する。
【００４７】
本実施の形態においては、信頼度Ｃは、式（１）に示されるように、上述の所定のパラメータｋ１，ｋ２として有している。この所定のパラメータｋ１，ｋ２は、予めシミュレーションや理論値などで求めておいて、内部ＤＢ１１１に設定として予め保持されていてもよいし、自車両についての、エネルギーコスト予測部１０により予測されたエネルギーコストと、コスト実績値との差分がフィードバックされてチューニングされるものであってもよい。
【００４８】
同ステップＳ３−３にて、抽出条件決定部６は、求めた信頼度が十分であるかを判定する。なお、本実施の形態では、抽出条件決定部６は、信頼度Ｃが閾値を超えた場合には信頼度が十分であると判定し、そうでない場合には信頼度が十分でないと判定するものとする。なお、信頼度の判定はこれに限ったものではなく、例えば、データ量Ａ及び条件一致度Ｂとのずれがともにそれぞれの閾値以上であれば信頼度が十分であると判定するようにしてもよい。
【００４９】
求めた信頼度が十分でないと判定した場合には、ステップＳ３−４に進む。
【００５０】
一方、十分であると判定した場合には、その時点の第１の所定抽出条件を第１抽出条件として決定して、図５に示す処理を終了する。あるいは、その時点の第２の所定抽出条件を第２抽出条件として決定して、図５に示す処理を終了する。
【００５１】
ステップＳ３−４では、抽出条件決定部６は、コスト要因を順に重要度の算出対象とし、全てのコスト要因に対して算出済みでなければ、ステップＳ３−５に進み、全てのコスト要因に対して算出済みであればステップＳ３−６に進む。つまり、全てのコスト要因に対して重要度を算出するまでステップＳ３−５を繰り返し、全てのコスト要因に対して算出済みであればステップＳ３−６に進む。
【００５２】
ステップＳ３−５では、抽出条件決定部６は、算出対象としているコスト要因について、重要度を算出する。ここでいうコスト要因の重要度とは、その時点での所定抽出条件の下で、当該コスト要因がエネルギーコスト（エネルギーコスト予測部１０での予測値）に影響を与える度合いである。このような重要度としては、例えば、算出対象としているコスト要因とエネルギーコスト（予測値）との相関の絶対値、あるいは分散が適用される。
【００５３】
ステップＳ３−６では、抽出条件決定部６は、ステップＳ３−４〜Ｓ３−５の処理で最も高い重要度に対応するコスト要因について範囲レベルを１下げることにより、その時点の所定抽出条件を緩くするように、当該所定抽出条件を変更する。その後、ステップＳ３−２に戻る。
【００５４】
以上の処理により、本実施の形態に係るエネルギーコスト予測システムによれば、第１抽出条件を走行条件及びコスト実績値に基づいて決定し、第２抽出条件を予測条件及びコスト実績値に基づいて決定することから、第１及び第２抽出条件が適切となるようにそれらを動的に変更することができる。
【００５５】
また、本実施の形態では、抽出条件決定部６は、信頼度が閾値より高い場合には、その時点での第１の所定抽出条件を第１抽出条件として決定し、信頼度が閾値よりも低い場合には、その時点での第１の所定抽出条件を緩くする。これにより、信頼度が高い（データ量Ａが多く、条件一致度Ｂが高い）場合には、余分なデータ量を減らすことができる。したがって、計算量を抑制することができ、また、集められたデータの偏り、自車両及び運転者の特性を考慮して条件を厳しくすることができることから、予測精度を高めたりすることができる。その一方で、信頼度が低い（データ量Ａが少なく、条件一致度Ｂが低い）場合には、なるべくデータ量を維持することから、抽出条件を満たすデータを取得する可能性を高めることができ、その結果、適当な予測を行うことができる。なお、本実施の形態では、同様に、抽出条件決定部６は、信頼度が閾値より高い場合には、その時点での第２の所定抽出条件を第２抽出条件として決定し、信頼度が閾値よりも低い場合には、その時点での第２の所定抽出条件を緩くすることから、以上の効果を高めることができる。
【００５６】
なお、コスト要因のなかには、予測値にほとんど影響せず、抽出条件を厳しくする必要がないものもあれば、予測値に強く影響し、抽出条件を厳しくする必要が有るものもある。そこで、本実施の形態では、抽出条件決定部６は、重要度に応じて範囲レベルをコスト要因ごとに変更する。つまり、抽出条件決定部６は、第１及び第２抽出条件をコスト要因ごとに決定する。これにより、上述の効果を高めることができる。
【００５７】
また、本実施の形態に係るエネルギーコスト予測システムによれば、エネルギーコスト予測部１０により予測されたエネルギーコストと、コスト実績値との差分が、所定のパラメータｋ１，ｋ２にフィードバックされる。したがって、エネルギーコストの予測精度をより高めることができる。
【００５８】
なお、以上の説明では、抽出条件決定部６は、走行条件解析部２により解析された自車両の走行条件と、自車両及び他車両のコスト実績値とに基づいて、第１抽出条件を決定した。しかし、コスト実績値は、エネルギーコスト及び走行条件を含んでいることから、抽出条件決定部６は、自車両の走行条件と、自車両のエネルギーコストと、他車両のコスト実績値とに基づいて、第１抽出条件を決定するものであってもよい。
【符号の説明】
【００５９】
１ エネルギーコスト解析部、２ 走行条件解析部、３ エネルギーコスト収集部、４ エネルギーコスト集約部、５ 予測条件入力部、６ 抽出条件決定部、７ コスト実績値抽出部、８ 固有特性評価部、９ 固有特性抽出部、１０ エネルギーコスト予測部。
【技術分野】
【０００１】
本発明は、車両のエネルギーコストを予測するエネルギーコスト予測システムに関するものである。
【背景技術】
【０００２】
エコルート探索、電気自動車の到達可能エリアの提示など、車両のエネルギーの消費、つまり、エネルギーコストを道路ごとに予測する要求が増している。エネルギーコストの予測方法として、例えば、特許文献１に開示されているように、サーバにおいて集約された各車両のエネルギーコスト実績値と、一の車両の車載装置において収集された実績値とに基づいて、その車両の目標経路におけるエネルギーコストを予測する方法が知られている。この予測方法では、エネルギーコストを増減する要因（コスト要因）ごとに、各車両の実績値の統計値に対する、一の車両の実績値の統計値のずれ（分散値、補償値）を算出し、そのずれた分だけ補正することにより、所望の走行条件下における当該一の車両のエネルギーコストを予測する。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００９−２５０９３０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
以上のような予測方法においては、サーバに集められたデータ量が少ない段階では、条件からある程度離れたデータを使って予測することが多いが、データ量が多くなると、条件に近いデータを使って予測することができ、予測精度が向上していくと考えられる。また、それらデータから予測に用いるデータを抽出するための条件を厳しくすることでデータを減らし、計算量や通信量を抑制することができると考えられる。
【０００５】
しかしながら、抽出条件を厳しい条件で固定すると、データ量が少ない場合には、その場合に得られる予測値が統計的な信頼性に欠けたものとなるとともに、なかなか抽出条件を満たすデータを取得することができないことから予測値もなかなか取得できなくなる。つまり、抽出条件を厳しい条件で固定すると、適当に予測できないことがあるという問題がある。一方、抽出条件を緩い条件で固定すると、所望の条件と異なる条件の下にあるデータを予測に使用することになるため、予測精度が低下する。また、抽出条件の影響は、状況に応じて大きく変動することから、抽出条件をどのようにすべきかを理論的に導出することができないという問題があった。
【０００６】
また、実際に消費するエネルギー量は、車両や運転者（ドライバ）の特性が大きく影響する。したがって、多くの車両から集めた実績値だけに基づいて一般的なデータマイニング手法で予測した場合には、高精度に予測することができないという問題がある。
【０００７】
そこで、本発明は、上記のような問題点を鑑みてなされたものであり、データの抽出条件を適切に変更することが可能な技術を提供することを目的とする。
【課題を解決するための手段】
【０００８】
本発明に係るエネルギーコスト予測システムは、車両のエネルギーコストを予測するエネルギーコスト予測システムであって、一の前記車両が走行時に消費したエネルギーコストを解析するエネルギーコスト解析部と、前記エネルギーコスト解析部により解析された前記エネルギーコストに係る走行条件を解析する走行条件解析部とを備える。また、前記システムは、前記エネルギーコスト解析部により解析された前記エネルギーコストと、前記走行条件解析部により解析された前記走行条件との組を、前記一の車両のコスト実績値として収集するエネルギーコスト収集部と、各前記車両の前記コスト実績値を集約するエネルギーコスト集約部と、所望の走行条件が入力される予測条件入力部とを備える。また、前記システムは、前記走行条件解析部により解析された前記一の車両の走行条件と、前記一の車両の前記コスト実績値または前記エネルギーコストと、前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第１抽出条件を決定し、かつ、前記予測条件入力部に入力された前記一の車両の所望の走行条件と、前記一の車両及び前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第２抽出条件を決定する抽出条件決定部を備える。また、前記システムは、前記第１抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記一の車両及び前記各車両の第１コスト統計値を算出し、かつ、前記第２抽出条件を満たす前記各車両の前記コスト実績値に基づいて、前記各車両の第２コスト統計値を算出するコスト実績値抽出部と、前記コスト実績値抽出部により算出された前記一の車両及び前記各車両の前記第１コスト統計値に基づいて前記一の車両の固有特性を算出する固有特性評価部とを備える。また、前記システムは、前記第２抽出条件に基づいて、前記固有特性評価部により算出された前記固有特性から一つの前記固有特性を抽出する固有特性抽出部と、前記コスト実績値抽出部により算出された前記各車両の前記第２コスト統計値と、前記固有特性抽出部により抽出された前記固有特性とに基づいて、前記一の車両のエネルギーコストを予測するエネルギーコスト予測部とを備える。
【発明の効果】
【０００９】
本発明によれば、第１抽出条件を走行条件及びコスト実績値に基づいて決定し、第２抽出条件を所望の走行条件及びコスト実績値に基づいて決定することから、第１及び第２抽出条件が適切となるようにそれらを動的に変更することができる。
【図面の簡単な説明】
【００１０】
【図１】実施の形態１に係るエネルギーコスト予測システムの構成を機能ごとに示すブロック図である。
【図２】実施の形態１に係るエネルギーコスト予測システムのハードウェア構成の一例を示す図である。
【図３】実施の形態１に係るエネルギーコスト予測システムの処理を示すフローチャートである。
【図４】実施の形態１に係るエネルギーコスト予測システムの処理を示すフローチャートである。
【図５】実施の形態１に係るエネルギーコスト予測システムの処理を示すフローチャートである。
【発明を実施するための形態】
【００１１】
＜実施の形態１＞
図１は、本発明の実施の形態１に係るエネルギーコスト予測システムの構成を機能ごと示すブロック図である。
【００１２】
図１に示すように、本エネルギーコスト予測システムは、一の車両（以下、着目する一の車両を「自車両」と呼ぶ）が走行時に消費したエネルギーコストを解析するエネルギーコスト解析部１と、エネルギーコスト解析部１により解析されたエネルギーコストに係る走行条件を解析する走行条件解析部２とを備える。そして、本エネルギーコスト予測システムは、エネルギーコスト解析部１により解析されたエネルギーコストと、走行条件解析部２により解析された走行条件との組を自車両の「コスト実績値」として収集するエネルギーコスト収集部３と、各車両のコスト実績値を集約するエネルギーコスト集約部４とを備える。なお、本実施の形態においては、各車両は、自車両、及び、それ以外の複数の車両（以下「他車両」と呼ぶこともある）の両者を含むものとして説明するが、これに限ったものではなく、各車両は、他車両だけを含むものであってもよい。
【００１３】
本エネルギーコスト予測システムは、所望の走行条件が「予測条件」として入力される予測条件入力部５を備える。そして、本エネルギーコスト予測システムは、走行条件解析部２により解析された自車両の走行条件と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の「第１抽出条件」を決定し、かつ、予測条件入力部５に入力された自車両の予測条件（所望の走行条件）と、自車両及び各車両のコスト実績値とに基づいてコスト実績値の「第２抽出条件」を決定する抽出条件決定部６を備える。
【００１４】
本エネルギーコスト予測システムは、第１抽出条件を満たす自車両及び各車両のコスト実績値に基づいて自車両及び各車両の「第１コスト統計値」を算出し、かつ、第２抽出条件を満たす各車両のコスト実績値に基づいて各車両の「第２コスト統計値」を算出するコスト実績値抽出部７を備える。
【００１５】
本エネルギーコスト予測システムは、コスト実績値抽出部７により算出された自車両及び各車両の第１コスト統計値に基づいて自車両の「固有特性」を算出する固有特性評価部８と、第２抽出条件に基づいて、固有特性評価部８により算出された固有特性から一つの固有特性を抽出する固有特性抽出部９とを備える。そして、本エネルギーコスト予測システムは、コスト実績値抽出部７により算出された各車両の第２コスト統計値と、固有特性抽出部９により抽出された固有特性とに基づいて自車両のエネルギーコストを予測するエネルギーコスト予測部１０を備えている。
【００１６】
図２は、本実施の形態に係るエネルギーコスト予測システムのハードウェア構成の一例を示すブロック図である。
【００１７】
図２に示すように、エネルギーコスト予測システムは、自車両に搭載される車載装置１１０と、上述の他車両に搭載される、車載装置１１０または車載装置１１０と同様の機能を持つ車載装置ｎｎ０と、これらと通信可能なサーバ装置１００とを備える。
【００１８】
車載装置１１０は、内部ＤＢ（データベース）１１１と、通信装置１１２と、センサ群１１３と、地図ＤＢ１１４と、入力装置１１５とを有している。サーバ装置１００は、内部ＤＢ１０１と、通信装置１１２と通信可能な通信装置１０２とを有している。
【００１９】
図３及び図４は、本実施の形態に係るエネルギーコスト予測システムの処理を示すフローチャートである。このエネルギーコスト予測システムでの処理は、全体的な処理の流れとして、図３に示される自車両の固有特性の算出処理と、図４に示される自車両のエネルギーコストの予測処理との２つの段階を有している。
【００２０】
まず、図３を用いて、自車両の固有特性の算出処理について説明する。
【００２１】
ステップＳ１−１では、エネルギーコスト解析部１が、自車両の走行時に消費したエネルギーコストを解析する。本実施の形態では、エネルギーコスト解析部１は、センサ群１１３を使用して、自車両の走行時に消費したエネルギーコストを解析する。ここでは、ハードウェア構成に応じた解析を行うこととする。例えば、自車両が、保持しているエネルギー量を計測するセンサを持っている場合には、それを用いて自車両のエネルギーコストを計測してもよいし、そうでない場合には、他のセンサの値を総合的に勘案して自車両のエネルギーコストを推測してもよい。
【００２２】
なお、エネルギーコスト解析部１での解析は、複数の時点で行われる。解析のタイミングは、運転者が所望のタイミングを入力装置１１５に入力することによって決定されてもよいし、走行距離や走行時間が所定の設定値に達したタイミングなどであってもよい。
【００２３】
ステップＳ１−２では、走行条件解析部２が、エネルギーコスト解析部１により解析されたエネルギーコストに係る走行条件、例えば、エネルギーコストの元となる各種データなどを解析する。本実施の形態では、走行条件解析部２は、通信装置１１２、センサ群１１３及び地図ＤＢ１１４を使用して、当該走行条件を解析する。
【００２４】
ここで、走行条件は、例えば、道路情報、時間情報、周辺状況、車両状況及び運転者状況を含んでいるものとする。道路情報は、走行した経路の静的な情報であり、リンクＩＤ、道路幅、車線数、曲率、勾配、高度、信号数、右左折、合流などの情報を含んでいる。時間情報は、走行した時間の情報であり、時刻（時間帯）、日付（季節）、曜日（平日、休日）などの情報を含んでいる。車両状況は、走行時における自車両の状態を示す情報であり、車両ＩＤ、エネルギー種別、排気量、重量、電装品の使用、タイヤの消耗、積載重量（乗車人数）などの情報を含んでいる。周辺状況は、走行時における自車両周辺の状態を示す情報であり、天気、気温、湿度、地震、渋滞、交通規制、イベントなどの情報を含んでいる。運転者状況は、走行時における運転者の状態を示す情報であり、運転者ＩＤ、通勤・送迎・観光などの目的、体調、運転習熟度などの情報を含んでいる。
【００２５】
ステップＳ１−３では、エネルギーコスト収集部３が、エネルギーコスト解析部１により解析されたエネルギーコストと、走行条件解析部２により解析された走行条件との組を自車両のコスト実績値として収集する。本実施の形態では、自車両のエネルギーコスト収集部３は、収集した自車両のコスト実績値を内部ＤＢ１１１に保存するとともに、通信装置１１２を介してサーバ装置１００に送信する。他車両の車載装置ｎｎ０も同様に、他車両のコスト実績値をサーバ装置１００に送信する。
【００２６】
ステップＳ１−４では、エネルギーコスト集約部４が、各車両のコスト実績値を集約する。本実施の形態では、エネルギーコスト集約部４は、通信装置１０２を介して、自車両の車載装置１１０から送信されたコスト実績値、及び、他車両の車載装置ｎｎ０から送信されたコスト実績値を、各車両のコスト実績値として集約し、内部ＤＢ１０１に保存する。そして、エネルギーコスト集約部４は、内部ＤＢ１０１に保存されたコスト実績値を、各車両のコスト実績値として抽出条件決定部６に送信する。
【００２７】
ステップＳ１−５では、抽出条件決定部６が、走行条件解析部２により解析された走行条件と、自車両及び各車両のコスト実績値とに基づいて、第１抽出条件を決定する。この第１抽出条件は、車載装置１１０の内部ＤＢ１１１に格納された自車両のコスト実績値、及び、サーバ装置１００の内部ＤＢ１０１に格納された各車両のコスト実績値のうち、固有特性の算出に用いられるべき自車両及び各車両のコスト実績値を抽出するための条件である。
【００２８】
本実施の形態においては、この第１抽出条件が、走行条件及びコスト実績値に基づいて動的に変更される。したがって、例えば、データ（コスト実績値）が多い場合には余分なデータを減らすことから、計算量を抑制したり、予測精度を高めたりすることができ、その一方で、データ（コスト実績値）が少ない場合にはデータをあまり減らさないことから、予測精度を適当に行うことができるものとなっている。なお、抽出条件決定部６が、第１抽出条件を決定する処理については、後で図５に示されるフローチャートを用いて詳細に説明する。
【００２９】
ステップＳ１−６では、コスト実績値抽出部７が、内部ＤＢ１１１に格納された自車両のコスト実績値、及び、内部ＤＢ１０１に格納された各車両のコスト実績値から、第１抽出条件を満たす自車両のコスト実績値及び各車両のコスト実績値をそれぞれ抽出する。
【００３０】
ステップＳ１−７では、コスト実績値抽出部７が、ステップＳ１−６で抽出した自車両及び各車両のコスト実績値に基づいて、自車両及び各車両の第１コスト統計値をそれぞれ算出する。本実施の形態では、コスト実績値抽出部７は、ステップＳ１−６で抽出した自車両のコスト実績値を平均する統計処理を行うことにより自車両の第１コスト統計値を算出し、ステップＳ１−６で抽出した各車両のコスト実績値を平均する統計処理行うことにより各車両の第１コスト統計値を算出する。なお、ここではコスト実績値の平均値を第１コスト統計値としているが、これに限ったものではなく、例えば、コスト実績値の最頻値を第１コスト統計値としてもよい。
【００３１】
ステップＳ１−８では、固有特性評価部８が、コスト実績値抽出部７により算出された自車両及び各車両の第１コスト統計値に基づいて、自車両の固有特性を算出（評価）する。本実施の形態では、固有特性評価部８は、自車両の第１コスト統計値と、各車両の第１コスト統計値との比を、自車両の固有特性とする。なお、ここでは、当該比を自車両の固有特性としているが、これに限ったものではなく、例えば、各車両のコスト実績値の分布に対する自車両のコスト実績値の平均値の位置を、自車両の固有特性としてもよい。
【００３２】
次に、図４を用いて、自車両のエネルギーコストを予測する予測処理について説明する。
【００３３】
ステップＳ２−１では、予測条件入力部５に、予測条件（所望の走行条件）が入力される。本実施の形態では、運転者により入力装置１１５に入力された案内経路及び操作時刻、センサ群１１３が取得したセンサデータ、地図ＤＢ１１４のデータ、通信装置１１２で取得した外部システムのデータに関する条件を、予測条件とする。
【００３４】
ステップＳ２−２では、抽出条件決定部６が、予測条件入力部５に入力された予測条件（所望の走行条件）と、自車両及び各車両のコスト実績値とに基づいて、第２抽出条件を決定する。この第２抽出条件は、内部ＤＢ１０１に格納された各車両のコスト実績値のうち、自車両のエネルギーコストの予測に用いられるべき各車両のコスト実績値を抽出するための条件である。
【００３５】
本実施の形態においては、この第２抽出条件が、予測条件及びコスト実績値に基づいて動的に変更される。したがって、例えば、データ（コスト実績値）が多い場合には余分なデータを減らすことから、計算量を抑制したり、予測精度を高めたりすることができ、その一方で、データ（コスト実績値）が少ない場合にはデータをあまり減らさないことから、予測精度を適当に行うことができるものとなっている。なお、抽出条件決定部６が、第２抽出条件を決定する処理については、後で図５に示されるフローチャートを用いて詳細に説明する。
【００３６】
ステップＳ２−３では、コスト実績値抽出部７が、内部ＤＢ１０１に格納された各車両のコスト実績値から、第２抽出条件を満たす各車両のコスト実績値を抽出する。
【００３７】
ステップＳ２−４では、コスト実績値抽出部７が、ステップＳ２−３で抽出した各車両のコスト実績値に基づいて、各車両の第２コスト統計値を算出する。なお、第２コスト統計値の算出は、ステップＳ１−７で説明した算出と同様である。
【００３８】
ステップＳ２−５では、固有特性抽出部９が、第２抽出条件に基づいて、固有特性評価部８により算出された固有特性から一つの固有特性を抽出する。例えば、固有特性抽出部９は、第２抽出条件に最も類似する第１抽出条件に対応する一つの固有特性を抽出する。
【００３９】
ステップＳ２−６では、エネルギーコスト予測部１０が、コスト実績値抽出部７により算出された各車両の第２コスト統計値と、固有特性抽出部９により抽出された固有特定とに基づいて、予測条件（所望の走行条件）下における自車両のエネルギーコストを予測する。本実施の形態のように、自車両の第１コスト統計値と、各車両の第１コスト統計値との比を自車両の固有特性としている場合、エネルギーコスト予測部１０は、各車両の第２コスト統計値（コスト実績値の平均値）に対して、当該比を反映することにより、自車両のエネルギーコストの予測値を算出する。
【００４０】
つまり、エネルギーコスト予測部１０は、自車両の第１コスト統計値が各車両の第１コスト統計値からずれている分だけ、各車両の第２統計値からずらして得られる値を、エネルギー予測値として取得する。なお、エネルギーコスト予測部１０での算出方法は、固有特性評価部８での固有特性の算出方法に適切に対応させればよい。
【００４１】
図５は、本実施の形態に係る抽出条件決定部６による抽出条件（第１及び第２抽出条件）の決定処理の一例を示すフローチャートである。以下、この図５を用いて、抽出条件決定部６の決定処理について詳細に説明する。
【００４２】
ステップＳ３−１では、抽出条件決定部６は、走行条件解析部２により解析された走行条件が与えられた場合には、当該走行条件に基づいて第１抽出条件となる第１の所定抽出条件を初期設定する。あるいは、抽出条件決定部６は、予測条件入力部５に入力された予測条件（所望の走行条件）が与えられた場合には、当該予測条件に基づいて第２抽出条件となる第２の所定抽出条件を初期設定する。
【００４３】
ここでは、抽出条件決定部６は、与えられた走行条件に基づき、エネルギーコストを増減する要因であるコスト要因の全てについて所定抽出条件（第１または第２の所定抽出条件）の範囲レベルを０とする（最も条件を厳しくする）。つまり、ステップＳ３−１では、所定抽出条件の初期値の設定が行われる。なお、コスト要因には、例えば、走行条件で説明した項目の少なくともいずれか一つが該当する。
【００４４】
ステップＳ３−２では、抽出条件決定部６は、その時点での所定抽出条件を満たすデータセット（自車両及び各車両のコスト実績値）を抽出する。なお、データセットに含まれる自車両のコスト実績値の抽出元は、エネルギーコスト収集部３で収集された自車両のコスト実績値であり、同データセットに含まれる各車両のコスト実績値の抽出元は、エネルギーコスト集約部４で集約された各車両のコスト実績値である。また、「その時点での所定抽出条件」とは、ステップＳ３−１からステップＳ３−２に移行された場合には、ステップＳ３−１において初期化された所定抽出条件を意味し、ステップＳ３−６からステップＳ３−２に移行された場合には、ステップＳ３−６において変更された後の所定抽出条件を意味する。
【００４５】
ステップＳ３−３では、まず、抽出条件決定部６は、第１の所定抽出条件を満たす自車両及び各車両のコスト実績値（データセット）に基づいて、エネルギーコストの予測に関するコスト実績値の信頼度を求める。あるいは、抽出条件決定部６は、第２の所定抽出条件を満たす自車両及び各車両のコスト実績値（データセット）に基づいて、同様の信頼度を求める。
【００４６】
本実施の形態では、信頼度は、データ量に対して単調増加する値であり、次式（１）により求められる。
Ｃ＝ｋ１×Ａ＋ｋ２×ΣＢi ・・・（１）
ここで、Ａはデータ量（ここでは抽出されたデータセットの数）、Ｂi（ｉ＝１〜Ａ）はデータｉの条件一致度である。条件一致度Ｂは、ステップＳ３−２で抽出されたデータセット中の各データｉについて、与えられた走行条件とずれが小さければ高くなる評価値であり、例えば、各データの各コスト要因について、コスト要因の重要度、及び、基準値とのずれを考慮して計算した値を総合したものが適用される。式（１）においてΣＢiは、ｉ＝１からｉ＝Ａまでデータｉの条件一致度についての和をとることを意味する。また、ｋ１及びｋ２はデータ量及び条件一致度それぞれに係る所定のパラメータであり、データ量Ａを重視するか、条件一致度Ｂを重視するかを決定する。
【００４７】
本実施の形態においては、信頼度Ｃは、式（１）に示されるように、上述の所定のパラメータｋ１，ｋ２として有している。この所定のパラメータｋ１，ｋ２は、予めシミュレーションや理論値などで求めておいて、内部ＤＢ１１１に設定として予め保持されていてもよいし、自車両についての、エネルギーコスト予測部１０により予測されたエネルギーコストと、コスト実績値との差分がフィードバックされてチューニングされるものであってもよい。
【００４８】
同ステップＳ３−３にて、抽出条件決定部６は、求めた信頼度が十分であるかを判定する。なお、本実施の形態では、抽出条件決定部６は、信頼度Ｃが閾値を超えた場合には信頼度が十分であると判定し、そうでない場合には信頼度が十分でないと判定するものとする。なお、信頼度の判定はこれに限ったものではなく、例えば、データ量Ａ及び条件一致度Ｂとのずれがともにそれぞれの閾値以上であれば信頼度が十分であると判定するようにしてもよい。
【００４９】
求めた信頼度が十分でないと判定した場合には、ステップＳ３−４に進む。
【００５０】
一方、十分であると判定した場合には、その時点の第１の所定抽出条件を第１抽出条件として決定して、図５に示す処理を終了する。あるいは、その時点の第２の所定抽出条件を第２抽出条件として決定して、図５に示す処理を終了する。
【００５１】
ステップＳ３−４では、抽出条件決定部６は、コスト要因を順に重要度の算出対象とし、全てのコスト要因に対して算出済みでなければ、ステップＳ３−５に進み、全てのコスト要因に対して算出済みであればステップＳ３−６に進む。つまり、全てのコスト要因に対して重要度を算出するまでステップＳ３−５を繰り返し、全てのコスト要因に対して算出済みであればステップＳ３−６に進む。
【００５２】
ステップＳ３−５では、抽出条件決定部６は、算出対象としているコスト要因について、重要度を算出する。ここでいうコスト要因の重要度とは、その時点での所定抽出条件の下で、当該コスト要因がエネルギーコスト（エネルギーコスト予測部１０での予測値）に影響を与える度合いである。このような重要度としては、例えば、算出対象としているコスト要因とエネルギーコスト（予測値）との相関の絶対値、あるいは分散が適用される。
【００５３】
ステップＳ３−６では、抽出条件決定部６は、ステップＳ３−４〜Ｓ３−５の処理で最も高い重要度に対応するコスト要因について範囲レベルを１下げることにより、その時点の所定抽出条件を緩くするように、当該所定抽出条件を変更する。その後、ステップＳ３−２に戻る。
【００５４】
以上の処理により、本実施の形態に係るエネルギーコスト予測システムによれば、第１抽出条件を走行条件及びコスト実績値に基づいて決定し、第２抽出条件を予測条件及びコスト実績値に基づいて決定することから、第１及び第２抽出条件が適切となるようにそれらを動的に変更することができる。
【００５５】
また、本実施の形態では、抽出条件決定部６は、信頼度が閾値より高い場合には、その時点での第１の所定抽出条件を第１抽出条件として決定し、信頼度が閾値よりも低い場合には、その時点での第１の所定抽出条件を緩くする。これにより、信頼度が高い（データ量Ａが多く、条件一致度Ｂが高い）場合には、余分なデータ量を減らすことができる。したがって、計算量を抑制することができ、また、集められたデータの偏り、自車両及び運転者の特性を考慮して条件を厳しくすることができることから、予測精度を高めたりすることができる。その一方で、信頼度が低い（データ量Ａが少なく、条件一致度Ｂが低い）場合には、なるべくデータ量を維持することから、抽出条件を満たすデータを取得する可能性を高めることができ、その結果、適当な予測を行うことができる。なお、本実施の形態では、同様に、抽出条件決定部６は、信頼度が閾値より高い場合には、その時点での第２の所定抽出条件を第２抽出条件として決定し、信頼度が閾値よりも低い場合には、その時点での第２の所定抽出条件を緩くすることから、以上の効果を高めることができる。
【００５６】
なお、コスト要因のなかには、予測値にほとんど影響せず、抽出条件を厳しくする必要がないものもあれば、予測値に強く影響し、抽出条件を厳しくする必要が有るものもある。そこで、本実施の形態では、抽出条件決定部６は、重要度に応じて範囲レベルをコスト要因ごとに変更する。つまり、抽出条件決定部６は、第１及び第２抽出条件をコスト要因ごとに決定する。これにより、上述の効果を高めることができる。
【００５７】
また、本実施の形態に係るエネルギーコスト予測システムによれば、エネルギーコスト予測部１０により予測されたエネルギーコストと、コスト実績値との差分が、所定のパラメータｋ１，ｋ２にフィードバックされる。したがって、エネルギーコストの予測精度をより高めることができる。
【００５８】
なお、以上の説明では、抽出条件決定部６は、走行条件解析部２により解析された自車両の走行条件と、自車両及び他車両のコスト実績値とに基づいて、第１抽出条件を決定した。しかし、コスト実績値は、エネルギーコスト及び走行条件を含んでいることから、抽出条件決定部６は、自車両の走行条件と、自車両のエネルギーコストと、他車両のコスト実績値とに基づいて、第１抽出条件を決定するものであってもよい。
【符号の説明】
【００５９】
１ エネルギーコスト解析部、２ 走行条件解析部、３ エネルギーコスト収集部、４ エネルギーコスト集約部、５ 予測条件入力部、６ 抽出条件決定部、７ コスト実績値抽出部、８ 固有特性評価部、９ 固有特性抽出部、１０ エネルギーコスト予測部。
【特許請求の範囲】
【請求項１】
車両のエネルギーコストを予測するエネルギーコスト予測システムであって、
一の前記車両が走行時に消費したエネルギーコストを解析するエネルギーコスト解析部と、
前記エネルギーコスト解析部により解析された前記エネルギーコストに係る走行条件を解析する走行条件解析部と、
前記エネルギーコスト解析部により解析された前記エネルギーコストと、前記走行条件解析部により解析された前記走行条件との組を、前記一の車両のコスト実績値として収集するエネルギーコスト収集部と、
各前記車両の前記コスト実績値を集約するエネルギーコスト集約部と、
所望の走行条件が入力される予測条件入力部と、
前記走行条件解析部により解析された前記一の車両の走行条件と、前記一の車両の前記コスト実績値または前記エネルギーコストと、前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第１抽出条件を決定し、かつ、前記予測条件入力部に入力された前記一の車両の所望の走行条件と、前記一の車両及び前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第２抽出条件を決定する抽出条件決定部と、
前記第１抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記一の車両及び前記各車両の第１コスト統計値を算出し、かつ、前記第２抽出条件を満たす前記各車両の前記コスト実績値に基づいて、前記各車両の第２コスト統計値を算出するコスト実績値抽出部と、
前記コスト実績値抽出部により算出された前記一の車両及び前記各車両の前記第１コスト統計値に基づいて前記一の車両の固有特性を算出する固有特性評価部と、
前記第２抽出条件に基づいて、前記固有特性評価部により算出された前記固有特性から一つの前記固有特性を抽出する固有特性抽出部と、
前記コスト実績値抽出部により算出された前記各車両の前記第２コスト統計値と、前記固有特性抽出部により抽出された前記固有特性とに基づいて、前記一の車両のエネルギーコストを予測するエネルギーコスト予測部と
を備えるエネルギーコスト予測システム。
【請求項２】
請求項１に記載のエネルギーコスト予測システムであって、
前記抽出条件決定部は、
前記第１及び第２抽出条件を、前記エネルギーコストを増減する要因であるコスト要因ごとに決定する、エネルギーコスト予測システム。
【請求項３】
請求項１または請求項２に記載のエネルギーコスト予測システムであって、
前記抽出条件決定部は、
前記走行条件解析部により解析された前記走行条件に基づいて第１の所定抽出条件を設定し、
前記第１の所定抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記エネルギーコストの予測に関する当該コスト実績値の信頼度を求め、
前記信頼度が閾値より高い場合には前記第１の所定抽出条件を前記第１抽出条件として決定し、前記信頼度が前記閾値より低い場合には前記第１の所定抽出条件を緩くする、エネルギーコスト予測システム。
【請求項４】
請求項１乃至請求項３のいずれかに記載のエネルギーコスト予測システムであって、
前記抽出条件決定部は、
前記予測条件入力部に入力された前記所望の走行条件に基づいて第２の所定抽出条件を設定し、
前記第２の所定抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記エネルギーコストの予測に対する当該コスト実績値の信頼度を求め、
前記信頼度が閾値より高い場合には前記第２の所定抽出条件を前記第２抽出条件として決定し、前記信頼度が前記閾値より低い場合には前記第２の所定抽出条件を緩くする、エネルギーコスト予測システム。
【請求項５】
請求項３または請求項４に記載のエネルギーコスト予測システムであって、
前記信頼度は所定のパラメータを有し、
前記一の車両に関する、前記エネルギーコスト予測部により予測された前記エネルギーコストと、前記コスト実績値との差分が、前記所定のパラメータにフィードバックされる、エネルギーコスト予測システム。
【請求項１】
車両のエネルギーコストを予測するエネルギーコスト予測システムであって、
一の前記車両が走行時に消費したエネルギーコストを解析するエネルギーコスト解析部と、
前記エネルギーコスト解析部により解析された前記エネルギーコストに係る走行条件を解析する走行条件解析部と、
前記エネルギーコスト解析部により解析された前記エネルギーコストと、前記走行条件解析部により解析された前記走行条件との組を、前記一の車両のコスト実績値として収集するエネルギーコスト収集部と、
各前記車両の前記コスト実績値を集約するエネルギーコスト集約部と、
所望の走行条件が入力される予測条件入力部と、
前記走行条件解析部により解析された前記一の車両の走行条件と、前記一の車両の前記コスト実績値または前記エネルギーコストと、前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第１抽出条件を決定し、かつ、前記予測条件入力部に入力された前記一の車両の所望の走行条件と、前記一の車両及び前記各車両の前記コスト実績値とに基づいて前記コスト実績値の第２抽出条件を決定する抽出条件決定部と、
前記第１抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記一の車両及び前記各車両の第１コスト統計値を算出し、かつ、前記第２抽出条件を満たす前記各車両の前記コスト実績値に基づいて、前記各車両の第２コスト統計値を算出するコスト実績値抽出部と、
前記コスト実績値抽出部により算出された前記一の車両及び前記各車両の前記第１コスト統計値に基づいて前記一の車両の固有特性を算出する固有特性評価部と、
前記第２抽出条件に基づいて、前記固有特性評価部により算出された前記固有特性から一つの前記固有特性を抽出する固有特性抽出部と、
前記コスト実績値抽出部により算出された前記各車両の前記第２コスト統計値と、前記固有特性抽出部により抽出された前記固有特性とに基づいて、前記一の車両のエネルギーコストを予測するエネルギーコスト予測部と
を備えるエネルギーコスト予測システム。
【請求項２】
請求項１に記載のエネルギーコスト予測システムであって、
前記抽出条件決定部は、
前記第１及び第２抽出条件を、前記エネルギーコストを増減する要因であるコスト要因ごとに決定する、エネルギーコスト予測システム。
【請求項３】
請求項１または請求項２に記載のエネルギーコスト予測システムであって、
前記抽出条件決定部は、
前記走行条件解析部により解析された前記走行条件に基づいて第１の所定抽出条件を設定し、
前記第１の所定抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記エネルギーコストの予測に関する当該コスト実績値の信頼度を求め、
前記信頼度が閾値より高い場合には前記第１の所定抽出条件を前記第１抽出条件として決定し、前記信頼度が前記閾値より低い場合には前記第１の所定抽出条件を緩くする、エネルギーコスト予測システム。
【請求項４】
請求項１乃至請求項３のいずれかに記載のエネルギーコスト予測システムであって、
前記抽出条件決定部は、
前記予測条件入力部に入力された前記所望の走行条件に基づいて第２の所定抽出条件を設定し、
前記第２の所定抽出条件を満たす前記一の車両及び前記各車両の前記コスト実績値に基づいて、前記エネルギーコストの予測に対する当該コスト実績値の信頼度を求め、
前記信頼度が閾値より高い場合には前記第２の所定抽出条件を前記第２抽出条件として決定し、前記信頼度が前記閾値より低い場合には前記第２の所定抽出条件を緩くする、エネルギーコスト予測システム。
【請求項５】
請求項３または請求項４に記載のエネルギーコスト予測システムであって、
前記信頼度は所定のパラメータを有し、
前記一の車両に関する、前記エネルギーコスト予測部により予測された前記エネルギーコストと、前記コスト実績値との差分が、前記所定のパラメータにフィードバックされる、エネルギーコスト予測システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公開番号】特開２０１２−２２０４２７（Ｐ２０１２−２２０４２７Ａ）
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願番号】特願２０１１−８８７８０（Ｐ２０１１−８８７８０）
【出願日】平成２３年４月１３日（２０１１．４．１３）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
【公開日】平成２４年１１月１２日（２０１２．１１．１２）
【国際特許分類】
【出願日】平成２３年４月１３日（２０１１．４．１３）
【出願人】（０００００６０１３）三菱電機株式会社 (33,312)
【Ｆターム（参考）】
[ Back to top ]