速度予測装置及びプログラム
【課題】過去に走行したことのない道路であっても、速度パターンを精度良く予測することができるようにする。
【解決手段】道路勾配取得部３７によって、探索経路の各リンクの道路勾配を取得する。操作状態予測部３８によって、道路勾配の状態毎に学習したアクセル操作状態の状態遷移確率と、取得した道路勾配とに基づいて、各リンクのアクセル操作状態の時系列データを予測する。速度パターン生成部４０によって、アクセル操作状態毎に学習した道路勾配と加速度との関係と、取得した道路勾配と、予測されたアクセル操作状態の時系列データとに基づいて、各リンクにおける速度の時系列データを予測する。
【解決手段】道路勾配取得部３７によって、探索経路の各リンクの道路勾配を取得する。操作状態予測部３８によって、道路勾配の状態毎に学習したアクセル操作状態の状態遷移確率と、取得した道路勾配とに基づいて、各リンクのアクセル操作状態の時系列データを予測する。速度パターン生成部４０によって、アクセル操作状態毎に学習した道路勾配と加速度との関係と、取得した道路勾配と、予測されたアクセル操作状態の時系列データとに基づいて、各リンクにおける速度の時系列データを予測する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、速度予測装置及びプログラムに係り、特に、走行路における車両の速度の時系列データを予測する速度予測装置及びプログラムに関する。
【背景技術】
【０００２】
従来より、走行データ及び走行環境データを相互に対応付けて記憶し、走行データに基づいて走行速度パターン候補を生成し、現在の走行環境データに合致する走行速度パターン候補を抽出して、これから走行する経路の推定走行速度パターンを出力する走行速度パターン推定装置が知られている（特許文献１）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００４−２８２８４８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記の特許文献１に記載の技術では、過去の走行データをデータベースとして蓄積する必要があり、過去に走行したことのない道路については、速度パターンを精度よく予測することができない、という問題がある。
【０００５】
本発明は、上記の問題点を解決するためになされたもので、過去に走行したことのない道路であっても、速度パターンを精度良く予測することができる速度予測装置及びプログラム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】
【０００６】
上記の目的を達成するために本発明に係る速度予測装置は、車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段と、前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段と、前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段と、を含んで構成されている。
【０００７】
本発明に係るプログラムは、コンピュータを、車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段、前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段、及び前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段として機能させるためのプログラムである。
【０００８】
本発明によれば、道路状態取得手段によって、車両が走行する予測対象の走行路の各地点の道路状態を取得する。操作状態予測手段によって、当該車両のドライバについて複数種類の道路状態毎に予め求めた、ドライバが車両を操作したときの複数種類の操作状態の状態遷移確率と、道路状態取得手段によって取得した各地点の道路状態とに基づいて、走行路における操作状態の時系列データを予測する。
【０００９】
そして、速度予測手段によって、複数種類の操作状態毎に予め求めた道路状態と車両の加速度との関係と、道路状態取得手段によって取得した各地点の道路状態と、操作状態予測手段によって予測された操作状態の時系列データとに基づいて、走行路における車両の加速度の時系列データを予測し、走行路における前記車両の加速度の時系列データに基づいて、走行路における前記車両の速度の時系列データを予測する。
【００１０】
このように、車両のドライバについて道路状態毎に予め求めた操作状態の状態遷移確率に基づいて、操作状態の時系列データを予測し、操作状態毎に予め求めた道路状態と車両の加速度との関係を用いて、車両の加速度の時系列データを予測することにより、過去に走行したことのない道路であっても、速度パターンを精度良く予測することができる。
【００１１】
本発明に係る、複数種類の操作状態毎の道路状態と車両の加速度との関係を、予測対象のドライバについて予め求めたものとすることができる。これによって、速度パターンをより精度良く予測することができる。
【００１２】
また、本発明に係る速度予測装置は、速度予測手段によって予測された速度の時系列データに基づいて、走行路を走行したときに消費されるエネルギー量を算出するエネルギー量算出手段を更に含むことができる。これによって、走行路におけるエネルギー量を精度良く予測することができる。
【００１３】
また、上記のエネルギー量算出手段は、操作状態予測手段による操作状態の時系列データの予測及び速度予測手段による速度の時系列データの予測を繰り返し行ったときに予測された速度の時系列データの各々について、エネルギー量を各々算出して、走行路を走行したときに消費されるエネルギー量の範囲を算出するようにすることができる。これによって、変動幅を考慮して走行路におけるエネルギー量を精度良く予測することができる。
【００１４】
また、本発明のプログラムは、記憶媒体に格納して提供することも可能である。
【発明の効果】
【００１５】
以上説明したように、本発明の速度予測装置及びプログラムによれば、車両のドライバについて道路状態毎に予め求めた操作状態の状態遷移確率に基づいて、操作状態の時系列データを予測し、操作状態毎に予め求めた道路状態と車両の加速度との関係を用いて、車両の加速度の時系列データを予測することにより、過去に走行したことのない道路であっても、速度パターンを精度良く予測することができる、という効果が得られる。
【図面の簡単な説明】
【００１６】
【図１】本発明の第１の実施の形態に係る経路探索装置を示すブロック図である。
【図２】（Ａ）下りの道路勾配の状態に対するアクセル操作状態の状態遷移確率を示す図、（Ｂ）平坦な道路勾配の状態に対するアクセル操作状態の状態遷移確率を示す図、及び（Ｃ）上りの道路勾配の状態に対するアクセル操作状態の状態遷移確率を示す図である。
【図３】３状態のアクセル操作状態の各々に対する道路勾配と加速度との関係を表わすグラフである。
【図４】本発明の第１の実施の形態に係る経路探索装置における運転特性学習処理ルーチンの内容を示すフローチャートである。
【図５】本発明の第１の実施の形態に係る経路探索装置における経路探索処理ルーチンの内容を示すフローチャートである。
【図６】本発明の第１の実施の形態に係る経路探索装置における実走行エネルギー算出処理ルーチンの内容を示すフローチャートである。
【図７】（Ａ）生成された速度パターンと速度の実測値の時系列データとを示すグラフ、及び（Ｂ）生成された速度パターンと速度の実測値の時系列データとの詳細を示すグラフである。
【図８】走行エネルギー量の算出結果を示すグラフである。
【図９】本発明の第１の実施の形態に係る経路探索装置を示すブロック図である。
【発明を実施するための形態】
【００１７】
以下、図面を参照して、本発明の好適な実施の形態について説明する。車両に搭載され、かつ、自車両のドライバに対して目的地までの経路を案内する経路探索装置に本発明を適用した場合を例に説明する。
【００１８】
図１に示すように、第１の実施の形態に係る経路探索装置１０は、アクセルペダルの操作量を検出する操作量センサ１２と、自車両の車速を検出する車速センサ１３と、自車両の加速度を検出する加速度センサ１４と、自車両の位置を計測する位置計測部１６と、ドライバが目的地を入力するための入力操作部１８と、走行エネルギー量を最適にする目的地までの経路を探索するコンピュータ２０と、探索された経路をドライバに対して表示する表示装置２２と、予測された走行エネルギー量より少ない走行であったことをドライバに対して提示するための情報提示部２４とを備えている。
【００１９】
操作量センサ１２は、アクセルペダルの操作量として、アクセル開度を検出する。
【００２０】
位置計測部１６は、例えば、ＧＰＳセンサを用いて構成され、自車両の現在位置を計測する。
【００２１】
情報提示部２４は、例えば、インジケータを用いて構成され、予測された走行エネルギー量より少ない走行であったことをインジケータの点灯によりドライバへ提示する。
【００２２】
コンピュータ２０は、ＣＰＵと、ＲＡＭと、後述する運転特性学習処理ルーチン、経路探索処理ルーチン、及び実走行エネルギー算出処理ルーチンを実行するためのプログラムを記憶したＲＯＭとを備え、機能的には次に示すように構成されている。コンピュータ２０は、道路ネットワークデータ、及び道路ネットワーク上の各リンクの道路勾配や制限速度を示す道路情報を記憶した道路ネットワークデータベース２６と、操作量センサ１２によって検出されたアクセルペダルの操作量、車速センサ１３によって検出された自車両の車速、加速度センサ１４によって検出された自車両の加速度、位置計測部１６によって計測された自車両の位置、及び当該位置における道路勾配を自車情報として取得する自車情報取得部２８と、取得した自車情報に基づいて、操作特性としてのアクセル操作状態の状態遷移確率、および加速特性としての道路勾配と加速度との関係を学習する運転特性学習部３０と、学習されたアクセル操作状態の状態遷移確率を記憶する操作特性記憶部３２と、学習された道路勾配と加速度との関係を記憶する加速特性記憶部３４とを備えている。
【００２３】
自車情報取得部２８は、自車両のドライバ個人に対する操作特性及び加速特性を学習するときに、操作量センサ１２によって検出されたアクセルペダルの操作量、車速センサ１３によって検出された自車両の車速、加速度センサ１４によって検出された自車両の加速度、位置計測部１６によって計測された自車両の位置、及び道路ネットワークデータベース２６から得られる当該位置における道路勾配を逐次取得して自車情報として蓄積する。
【００２４】
運転特性学習部３０は、蓄積された自車情報を、例えば、３状態の道路勾配毎に分類し、図２（Ａ）〜（Ｃ）に示すように、３状態の道路勾配の各々について、３状態のアクセル操作状態の状態遷移確率を学習する。なお、３状態の道路勾配は、例えば、下り（−１％未満の道路勾配）、平坦（−１％以上１％以下の道路勾配）、及び上り（１％より大きい道路勾配）である。また、３状態のアクセル操作状態は、たとえば、アクセル操作なし（アクセル開度＝０％）、アクセル操作小（０％＜アクセル開度＜２０％）、及びアクセル操作大（２０％≦アクセル開度）である。
【００２５】
運転特性学習部３０は、自車両のドライバ個人に対する操作特性の学習結果として、例えば、３状態の道路勾配の各々について、以下の（１）式〜（３）式で表される状態遷移確率Ｐｒを得る。
【００２６】
【数１】
【００２７】
ただし、ａｃｃnはアクセス操作状態を表わす。ｇｒａｄnは道路勾配の状態を表わし、ｕｐが上り、ｌｅｖｅｌが平坦、ｄｏｗｎが下りを表わす。
【００２８】
運転特性学習部３０は、蓄積された自車情報を、例えば、３状態のアクセル操作状態毎に分類し、図３に示すように、各アクセル操作状態について、以下の（４）式に示すような道路勾配ｒｏａｄn［％］と加速度ａn［ｋｍ／ｈ／ｓｅｃ］との関係を表わす関数を求める。
【００２９】
【数２】
【００３０】
ただし、ｌａｒｇｅはアクセス操作大を表わし、ｓｍａｌｌはアクセル操作小を表わし、ｎｏｐはアクセル操作なしを表わす。また、ｃlarge、ｃsmall、ｃnop、ｂlarge、ｂsmall、ｂnopは、上記関数を定めるパラメータである。ｂlarge、ｂsmall、ｂnopは必ずしも定数である必要はない。上記図３の加速度のばらつきを表現するため、ｂlarge、ｂsmall、ｂnopを確率変数としてそのパラメータを最尤推定等で求めても良い。具体的には、ｂを、平均０、分散σ2の正規分布に従う確率変数として、蓄積された自車情報からσを推定しても良い。
【００３１】
なお、道路勾配と加速度との関係を表わす関数は、上記（４）式に示すような１次式に限定されるものではなく、以下の（５）式に示すような２次式で表されていてもよい。
【００３２】
【数３】
【００３３】
ただし、ｄlarge、ｄsmall、ｄnopは、上記関数を定めるパラメータである。
【００３４】
操作特性記憶部３２は、道路勾配の状態毎に学習された上記（１）式〜（３）式で表わされるアクセル操作状態の状態遷移確率を記憶する。また、加速特性記憶部３４は、アクセル操作状態毎に学習された上記（４）式で表わされる関数のパラメータを記憶する。
【００３５】
また、コンピュータ２０は、ドライバによる入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地としての自車両の位置、及び道路ネットワークデータに基づいて、出発地から目的地までの経路候補を複数探索する経路候補探索部３６と、探索された複数の経路候補に含まれる各リンクについて、道路ネットワークデータベース２６から道路勾配を取得する道路勾配取得部３７と、探索された複数の経路候補に含まれる各リンクについて、当該リンクの道路勾配と学習されたアクセル操作状態の状態遷移確率とに基づいて、アクセル操作状態の時系列データを予測する操作状態予測部３８と、探索された複数の経路候補に含まれる各リンクについて、予測されたアクセル操作状態の時系列データ、学習された道路勾配と加速度との関係を表わす関数、及び当該リンクの道路勾配に基づいて、加速度の時系列データを予測し、速度パターンを生成する速度パターン生成部４０と、探索された複数の経路候補に含まれる各リンクについて、生成された速度パターン、予測された加速度の時系列データ、及び当該リンクの道路勾配に基づいて、走行する際に消費される走行エネルギー量を算出する走行エネルギー算出部４２と、探索された複数の経路候補から、総走行エネルギー量が最小となる経路を選択して表示装置２２に出力する最小エネルギー経路選択部４４とを備えている。なお、速度パターン生成部４０が、速度予測手段の一例である。
【００３６】
経路候補探索部３６は、入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地、及び道路ネットワークデータに基づいて、最短経路を探索するアルゴリズムや、最短時間の経路を探索するアルゴリズムなどを用いて、出発地から目的地までの経路候補を複数探索する。経路探索のアルゴリズムについては、従来既知のものを利用すればよく、詳細な説明を省略する。
【００３７】
操作状態予測部３８は、探索された複数の経路候補に含まれる各リンクについて、道路勾配取得部３７によって取得された当該リンクの道路勾配と、道路勾配の状態毎に学習されたアクセル操作状態の状態遷移確率とに基づいて、以下に説明するように、当該リンクのアクセル操作状態の時系列データを予測する。なお、複数の経路候補に含まれる各リンクとは、複数の経路候補の少なくとも１つに含まれている全てのリンクの各々を示している。
【００３８】
まず、対象リンクの初期状態として、アクセル操作状態の初期値Ｓ0及び道路勾配の状態の初期値ｒｏａｄ0（取得された当該リンクの道路勾配に基づく道路勾配の状態）を設定する。そして、乱数を生成し、現時点の道路勾配の状態ｒｏａｄ0に対するアクセル操作状態の状態遷移確率Ｐｒ（Ｓ1｜Ｓ0，ｒｏａｄ0）に従って、生成された乱数を用いて確率的に次時刻のアクセル操作状態Ｓ1を選択する。同様に、現時点の道路勾配の状態ｒｏａｄnに対するアクセル操作状態の状態遷移確率Ｐｒ（Ｓn+1｜Ｓn，ｒｏａｄn）を用いた次時刻のアクセル操作状態Ｓn+1の確率的な選択を、リンクの終端に到達するまで繰り返して、アクセル操作状態の時系列データＳn（ｎ＝０，．．．，Ｎ）を予測する。
【００３９】
速度パターン生成部４０は、探索された複数の経路候補に含まれる各リンクについて、道路勾配取得部３７によって取得された当該リンクの道路勾配に基づく道路勾配の状態ｒｏａｄn（ｎ＝０，．．．，Ｎ）と、当該リンクについて予測されたアクセル操舵状態の時系列データａｃｃn（ｎ＝０，．．．，Ｎ）とに基づいて、学習されたパラメータを適用した上記（４）式で表される、アクセル操作状態ａｃｃnに対する関数にしたがって、加速度の時系列データａn（ｎ＝０，．．．，Ｎ）を予測する。
【００４０】
また、速度パターン生成部４０は、探索された複数の経路候補に含まれる各リンクについて、当該リンクについて予測された加速度の時系列データａn（ｎ＝０，．．．，Ｎ）に基づいて、以下の（６）式に従って、速度パターンとして、速度の時系列データｖn（ｎ＝０，．．．，Ｎ）を算出する。
【００４１】
【数４】
【００４２】
なお、速度の初期値ｖ0としては、１つ前のリンクについて算出された最終的な速度や、道路ネットワークデータベース２６から得られる当該リンクの制限速度を用いればよい。
【００４３】
走行エネルギー算出部４２は、探索された複数の経路候補に含まれる各リンクについて、当該リンクについて算出された速度の時系列データｖn（ｎ＝０，．．．，Ｎ）と、当該リンクについて予測された加速度の時系列データａn（ｎ＝０，．．．，Ｎ）とに基づいて、以下の（７）式に従って、当該リンクを走行する際に消費される走行エネルギー量Ｊを算出する。
【００４４】
【数５】
【００４５】
ただし、μは転がり摩擦係数であり、Ｍは車両質量[ｋｇ]であり、ｇは重力加速度である。кは抵抗係数[ｋｇ／ｍ]であり、θは道路勾配（上りを正とする）であり、ｍは部分加速時回転部分相当質量[ｋｇ]である。αは、車両加速度[ｍ／ｓ2]であり、当該リンクについて予測された加速度の時系列データａnから得られる。また、上記（７）式における積分範囲は、駆動力Ｆが０より大きくなる領域である。
【００４６】
操作状態予測部３８によるアクセル操作状態の時系列データの予測、速度パターン生成部４０による速度パターンの生成、及び走行エネルギー算出部４２による走行エネルギー量の算出からなる一連の処理が繰り返し行われ、探索された複数の経路候補に含まれる各リンクについて、複数個の走行エネルギー量が算出される。
【００４７】
走行エネルギー算出部４２は、探索された複数の経路候補に含まれる各リンクについて、当該リンクについて複数の乱数系列に基づいて算出された複数個の走行エネルギー量から得られる走行エネルギー量の範囲を求める。
【００４８】
最小エネルギー経路選択部４４は、探索された複数の経路候補の各々について、当該経路候補に含まれる各リンクについて算出された走行エネルギー量の範囲の総和を計算して、当該経路候補における総走行エネルギー量の範囲を算出する。また、最小エネルギー経路選択部４４は、総走行エネルギー量の範囲の中央値が最小となる経路候補を選択して、選択された経路候補の総走行エネルギー量の範囲と共に、当該経路候補を表示装置２２に出力する。
【００４９】
また、コンピュータ２０は、目的地に到着するまでに取得した自車情報を蓄積し、実際の走行における総走行エネルギー量を算出する実走行エネルギー算出部４６と、最小エネルギー経路選択部４４で選択された経路候補の総走行エネルギー量の範囲の下限とを比較し、比較結果を情報提示部２４により出力する比較部４８とを更に備えている。
【００５０】
実走行エネルギー算出部４６は、探索された経路における出発地から目的地に到着するまでに自車情報取得部２８により取得した自車情報を蓄積し、蓄積された自車情報の車速、加速度、および道路勾配に基づいて、上記（７）式に従って、実際の走行における総走行エネルギー量を算出する。
【００５１】
比較部４８は、最小エネルギー経路選択部４４で選択された経路候補の総走行エネルギー量の範囲の下限と、実走行エネルギー算出部４６により算出された総走行エネルギー量とを比較し、経路候補の総走行エネルギー量の範囲の下限より、実際の総走行エネルギー量の方が小さい場合には、情報提示部２４のインジケータを点灯させて、予測された走行エネルギー量より少ない走行であったことをドライバへ知らせる。
【００５２】
次に、第１の実施の形態に係る経路探索装置１０の動作について説明する。まず、経路探索装置１０において、自車ドライバの運転操作により自車両が走行しているときに、コンピュータ２０において、図４に示す運転特性学習処理ルーチンが実行される。
【００５３】
ステップ１００において、操作量センサ１２、車速センサ１３、及び加速度センサ１４の各検出値と、位置計測部１６によって計測された現在の自車両の位置とを自車情報として取得する。そして、ステップ１０２において、上記ステップ１００で取得した自車情報が所定量蓄積されたか否かを判定し、自車情報が所定量蓄積されていない場合には、上記ステップ１００へ戻る。一方、自車情報が所定量蓄積された場合には、ステップ１０４へ進む。
【００５４】
ステップ１０４では、蓄積された自車情報を、３状態の道路勾配毎に分類し、各道路勾配の状態について、分類された自車情報のアクセルペダルの操作量に基づいて、アクセル操作状態の状態遷移確率を学習して、操作特性記憶部３２に、道路勾配の３状態の各々に対するアクセル操作状態の状態遷移確率を格納する。
【００５５】
そして、ステップ１０６において、蓄積された自車情報を、３状態のアクセル操作状態毎に分類し、各アクセル操作状態について、当該アクセル操作状態に分類された自車情報の道路勾配及び加速度に基づいて、道路勾配と加速度との関係を表わす関数を学習して、加速特性記憶部３４に、アクセル操作状態の各々に対して学習された関数のパラメータを格納して、運転特性学習処理ルーチンを終了する。
【００５６】
また、コンピュータ２０は、上記の運転特性学習処理ルーチンを、所定期間毎に実行し、実行される毎に、自車情報を追加して、蓄積された自車情報を更新し、更新された自車情報に基づいて、道路勾配の３状態の各々に対するアクセル操作状態の状態遷移確率、及びアクセル操作状態の各々に対する道路勾配と加速度との関係を表わす関数を学習して、学習結果を更新する。
【００５７】
また、ドライバが入力操作部１８を操作して目的地を入力すると、コンピュータ２０において、図５に示す経路探索処理ルーチンが実行される。
【００５８】
まず、ステップ１１０において、位置計測部１６によって計測された現在の自車両の位置を取得し、取得した現在の自車両の位置を、出発地として設定すると共に、ドライバにより入力された目的地を示す情報を取得し、目的地を設定する。
【００５９】
そして、ステップ１１２において、経路探索アルゴリズムにより、出発地から目的地までの経路候補を複数検索する。次のステップ１１４では、上記ステップ１１２で検索された複数の経路候補に含まれるリンクのうち、予測対象のリンクを１つ選択する。そして、ステップ１１５において、道路ネットワークデータベース２６から予測対象のリンクの道路勾配を示す情報を取得し、ステップ１１６において、繰り返し回数を示す変数ｎを初期値の１に設定する。ステップ１１８では、予測対象のリンクについて、ドライバのアクセル操作状態の時系列データを予測する。
【００６０】
そして、ステップ１２０において、上記ステップ１１４で予測されたアクセル操作状態の時系列データを用いて、予測対象のリンクについて、加速度の時系列データを予測し、速度パターンを生成する。
【００６１】
次のステップ１２２では、上記ステップ１２０で生成された速度パターンと、加速度の時系列データと、道路ネットワークデータベース２６から得られる予測対象のリンクの道路勾配とに基づいて、予測対象のリンクにおける走行エネルギー量を算出する。
【００６２】
そして、ステップ１２４では、変数ｎが繰り返し回数の最大値Ｎに到達したか否かを判定する。変数ｎがＮに到達していない場合には、ステップ１２６において、変数ｎをインクリメントし、上記ステップ１１８へ戻る。変数ｎがＮに到達した場合には、ステップ１２８へ進む。このとき、予測対象のリンクについて、Ｎ個の走行エネルギー量が得られている。
【００６３】
ステップ１２８では、上記ステップ１１２で検索された複数の経路候補に含まれる全てのリンクについて、上記ステップ１１６〜１２６の処理を行ったか否かを判定し、上記ステップ１１６〜１２６の処理が行われていないリンクがある場合には、上記ステップ１１４へ戻り、当該リンクを予測対象のリンクとして設定する。
【００６４】
一方、上記ステップ１１２で検索された複数の経路候補に含まれる全てのリンクについて、上記ステップ１１６〜１２６の処理を行った場合には、ステップ１３０へ進み、上記ステップ１１２で検索された複数の経路候補の各々について、総走行エネルギー量の範囲を算出する。
【００６５】
そして、ステップ１３２において、上記ステップ１３０で算出された総走行エネルギー量が最小となる経路候補を選択し、ステップ１３４で、選択された経路候補と、当該経路候補について算出された総走行エネルギー量の範囲を表示装置２２に出力して、経路探索処理ルーチンを終了する。
【００６６】
上記経路探索処理ルーチンが実行されると、例えば、車載されたナビゲーションシステムにおいて、探索された目的地までの経路及び総走行エネルギー量の範囲をドライバに対して案内する処理が行われる。
【００６７】
また、上記経路探索処理ルーチンが実行された後に、コンピュータ２０において、図６に示す実走行エネルギー算出処理ルーチンが実行される。
【００６８】
まず、ステップ１４０において、操作量センサ１２、車速センサ１３、及び加速度センサ１４の各検出値と、位置計測部１６によって計測された現在の自車両の位置とを自車情報として取得する。そして、ステップ１４２において、上記ステップ１００で取得した自車情報の現在の自車両の位置が、上記経路探索処理ルーチンで設定された目的地まで到達したか否かを判定し、目的地まで到達していない場合には、上記ステップ１４０へ戻る。一方、現在の自車両の位置が、設定された目的地に到達した場合には、ステップ１４４へ進む。
【００６９】
ステップ１４４において、目的地に到達するまでに蓄積された自車情報に基づいて、目的地までの実際の走行における総走行エネルギー量を算出する。そして、ステップ１４６において、上記ステップ１４４で算出された実際の総走行エネルギー量が、上記経路探索処理ルーチンで選択された経路候補について算出された総走行エネルギー量の範囲の下限より小さいか否かを判定する。算出された実際の総走行エネルギー量が、算出された総走行エネルギー量の範囲の下限以上である場合には、実走行エネルギー算出処理ルーチンを終了する。一方、算出された実際の総走行エネルギー量が、算出された総走行エネルギー量の範囲の下限より小さい場合には、ステップ１４８において、情報提示部２４のインジケータを点灯させて、実走行エネルギー算出処理ルーチンを終了する。
【００７０】
次に、上記の実施の形態で説明した速度パターンの生成方法及び走行エネルギー量の算出方法により速度パターン及び走行エネルギー量を求めた実験結果について説明する。
【００７１】
上記の実施の形態で説明した速度パターンの生成方法によって生成された速度パターンと、実際の走行における速度パターンとを比較すると、図７（Ａ）に示すような結果が得られた。図７（Ｂ）に示すように、詳細な比較結果を見ると、アクセル操作状態の変化は一致せず、速度パターンに違いが見られるが、統計的な性質（アクセル操作状態の出現確率）は維持されていることが分かる。
【００７２】
また、リンク内で速度が変動しない速度パターンに基づいて走行エネルギー量を算出した結果と、上記の実施の形態で説明した走行エネルギー量の算出方法によって算出された走行エネルギー量と、実際の走行における走行エネルギー量とを比較すると、図８に示すように、上記の実施の形態で説明した走行エネルギー量の算出方法によって、走行エネルギー量が精度良くできることがわかった。また、変動幅を考慮した走行エネルギー量の範囲が精度良くできることがわかった。
【００７３】
以上説明したように、第１の実施の形態に係る経路探索装置によれば、自車両のドライバについて道路勾配の状態毎に学習したアクセル操作状態の状態遷移確率に基づいて、各リンクについて、アクセル操作状態の時系列データを予測し、当該ドライバについてアクセル操作状態毎に学習した道路勾配と車両の加速度との関係を表わす関数を用いて、各リンクについて、車両の加速度の時系列データを予測することにより、過去に走行したことのない道路であっても、個人の運転特性を考慮して、各リンクの速度パターンを精度良く予測することができる。また、各リンクの速度パターンに基づいて、探索された経路における総走行エネルギー量を精度良く予測することができ、また、変動幅を含めて総走行エネルギー量を予測することができる。また、総走行エネルギー量をコストとした最短経路を精度良く探索することができる。
【００７４】
また、アクセル操作状態の状態確率遷移に基づいて、アクセル操作状態を予測し速度パターンを生成しているため、各アクセル操作状態の出現頻度（時間率）を個人の運転特性に合わせることができる。加えて、道路勾配の考慮を行っているので、予測された速度パターンに基づいて算出される走行エネルギー量と実際の走行エネルギー量との誤差を小さくすることができる。
【００７５】
また、過去の走行データを用いて速度パターンを生成しているのではなく、学習データから、アクセル操作の個人特性（アクセル操作状態の状態確率遷移）及び個人の加速特性（道路勾配と車両加速度との関係）を学習しているのみであるため、速度パターンを生成する道路での走行データがなくても、速度パターンの生成、および走行エネルギー量の推定が可能である。
【００７６】
また、記憶しておくパラメータが、状態遷移確率と加速特性を表わす関数のパラメータであり、パラメータの数が少ないため、実装が容易であり、かつ、多量のデータ蓄積が不要である。
【００７７】
次に、第２の実施の形態について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
【００７８】
第２の実施の形態では、本実施の形態では、経路探索装置が、内燃機関と、内燃機関の出力軸に設けられた充電動作及びトルクアシスト動作を行うモータジェネレータとを備えたハイブリッド車両に搭載されている点と、目的地までの経路における各リンクについて予測される走行エネルギー量に基づいて、充放電のスケジュールを決定している点とが、第１の実施の形態と異なっている。
【００７９】
図９に示すように、第２の実施の形態に係る経路探索装置２１０は、操作量センサ１２と、加速度センサ１４と、位置計測部１６と、入力操作部１８と、目的地までの最短経路を探索すると共に、最短経路における充放電動作のスケジュールを決定するコンピュータ２２０と、表示装置２２と、決定された充放電動作のスケジュールに従って、モータジェネレータによる充放電動作を制御するモータ制御部２２２とを備えている。
【００８０】
モータ制御部２２２は、コンピュータ２２０により決定された充放電動作のスケジュールに従って、ハイブリッド車両である自車両に備えられたモータジェネレータの充電動作及びトルクアシスト動作（放電動作）を制御する。
【００８１】
コンピュータ２２０は、道路ネットワークデータベース２６と、自車情報取得部２８と、運転特性学習部３０と、操作特性記憶部３２と、加速特性記憶部３４と、ドライバによる入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地としての自車両の位置、及び道路ネットワークデータに基づいて、出発地から目的地までの最短経路を探索する経路探索部２３６と、道路勾配取得部３７と、操作状態予測部３８と、速度パターン生成部４０と、走行エネルギー算出部４２と、探索された最短経路における各リンクの走行エネルギー量に基づいて、最短経路における充放電動作のスケジュールを決定する充放電スケジュール決定部２４４とを備えている。
【００８２】
経路探索部２３６は、入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地、及び道路ネットワークデータに基づいて、最短経路を探索するアルゴリズムや、最短時間の経路を探索するアルゴリズムなどを用いて、出発地から目的地までの最短経路を探索して、表示装置２２に出力する。
【００８３】
操作状態予測部３８は、探索された最短経路における各リンクについて、アクセル操作状態の時系列データを予測する。速度パターン生成部４０は、探索された最短経路における各リンクについて、加速度の時系列データを予測し、速度パターンを生成する。
【００８４】
走行エネルギー算出部４２は、探索された最短経路における各リンクについて、走行する際に消費される走行エネルギー量を算出する。また、上記（７）式では、駆動力Ｆが０より大きくなる領域を積分する場合を例に説明したが、本実施の形態では、Ｆ＜０となる部分は、減速時に発生する熱エネルギー（ロス分）と、発電により回収可能なエネルギー（回収分）とであると考えることができるため、回生効率を勘案して、Ｆ＜０の範囲も積分する。
【００８５】
充放電スケジュール決定部２４４は、探索された最短経路における各リンクについて算出された走行エネルギー量に基づいて、出発地から目的地までの最短経路におけるモータジェネレータのリンク毎の最適な動作スケジュール（充電動作、トルクアシスト動作、動作なし）を決定し、モータ制御部２２２へ出力する。なお、充放電動作のスケジュールの決定方法については、従来既知の手法を用いればよく、詳細な説明を省略する。
【００８６】
なお、第２の実施の形態に係る経路探索装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
【００８７】
以上説明したように、第２の実施の形態に係る経路探索装置によれば、探索された最短経路における各リンクの走行エネルギー量を精度良く算出することができ、充放電動作の最適なスケジュールを決定することができる。
【００８８】
なお、上記の第１の実施の形態及び第２の実施の形態では、経路探索装置を車両に搭載した場合を例に説明したが、これに限定されるものではなく、交通情報センター側の装置に、本発明を適用してもよい。この場合には、経路探索対象の車両から、収集した自車情報と、出発地及び目的地を示すデータとを、交通情報センター側の装置に送信し、交通情報センター側の装置において、当該ドライバの運転特性を学習すると共に、経路探索を行い、経路探索結果（走行経路及び総走行エネルギー量）や充放電動作のスケジュールを、車両へ送信するようにすればよい。
【００８９】
また、生成された速度パターンに基づいて、走行エネルギー量を算出する場合を例に説明したが、これに限定されるものではなく、生成された速度パターンを、所定の速度パターン（例えば、過去の運転における速度パターン）と比較し、比較結果に基づいて、運転支援を行うようにしてもよい。
【００９０】
また、アクセル操作状態として、アクセル操作なし、アクセル操作小、及びアクセル操作大の３状態を用いた場合を例に説明したが、これに限定されるものではなく、例えば、アクセル操作状態として、アクセル操作なし、アクセル操作小、アクセル操作中、及びアクセル操作大の４状態を用いてもよい。
【００９１】
また、上記の実施の形態では、内燃機関とモータの双方で駆動するハイブリッド車両に、経路探索装置を搭載した場合を例に説明したが、これに限定されるものではなく、モータで駆動する電気自動車に経路探索装置を搭載してもよい。
【００９２】
また、速度の時系列データを出力し、それに基づいて走行エネルギー量を算出するため、走行エネルギー量の集計単位（単位距離毎、単位時間毎、リンク毎、トリップ毎）を自由に設定してもよい。
【００９３】
また、道路勾配を、道路ネットワークデータベースから取得する場合を例に説明したが、これに限定されるものではなく、例えば、前方画像を撮像し、前方画像から、道路勾配を推定するようにしてもよい。
【００９４】
また、ドライバ個人の操作特性を記述するパラメータである状態遷移確率の条件項として勾配変化Δｇｒａｄnを用いても良い。状態遷移確率をＰｒ（ａｃｃn|ｇｒａｄn,Δｇｒａｄn）とすることで、上りから下りや、下りから上りなどの勾配変化点での操作の傾向を反映することができる。
【符号の説明】
【００９５】
１０、２１０ 経路探索装置
１２ 操作量センサ
１３ 車速センサ
１４ 加速度センサ
１６ 位置計測部
２０、２２０ コンピュータ
３０ 運転特性学習部
３２ 操作特性記憶部
３４ 加速特性記憶部
３６ 経路候補探索部
３７ 道路勾配取得部
３８ 操作状態予測部
４０ 速度パターン生成部
４２ 走行エネルギー算出部
４４ 最小エネルギー経路選択部
２３６ 経路探索部
２４４ 充放電スケジュール決定部
【技術分野】
【０００１】
本発明は、速度予測装置及びプログラムに係り、特に、走行路における車両の速度の時系列データを予測する速度予測装置及びプログラムに関する。
【背景技術】
【０００２】
従来より、走行データ及び走行環境データを相互に対応付けて記憶し、走行データに基づいて走行速度パターン候補を生成し、現在の走行環境データに合致する走行速度パターン候補を抽出して、これから走行する経路の推定走行速度パターンを出力する走行速度パターン推定装置が知られている（特許文献１）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００４−２８２８４８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記の特許文献１に記載の技術では、過去の走行データをデータベースとして蓄積する必要があり、過去に走行したことのない道路については、速度パターンを精度よく予測することができない、という問題がある。
【０００５】
本発明は、上記の問題点を解決するためになされたもので、過去に走行したことのない道路であっても、速度パターンを精度良く予測することができる速度予測装置及びプログラム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】
【０００６】
上記の目的を達成するために本発明に係る速度予測装置は、車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段と、前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段と、前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段と、を含んで構成されている。
【０００７】
本発明に係るプログラムは、コンピュータを、車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段、前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段、及び前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段として機能させるためのプログラムである。
【０００８】
本発明によれば、道路状態取得手段によって、車両が走行する予測対象の走行路の各地点の道路状態を取得する。操作状態予測手段によって、当該車両のドライバについて複数種類の道路状態毎に予め求めた、ドライバが車両を操作したときの複数種類の操作状態の状態遷移確率と、道路状態取得手段によって取得した各地点の道路状態とに基づいて、走行路における操作状態の時系列データを予測する。
【０００９】
そして、速度予測手段によって、複数種類の操作状態毎に予め求めた道路状態と車両の加速度との関係と、道路状態取得手段によって取得した各地点の道路状態と、操作状態予測手段によって予測された操作状態の時系列データとに基づいて、走行路における車両の加速度の時系列データを予測し、走行路における前記車両の加速度の時系列データに基づいて、走行路における前記車両の速度の時系列データを予測する。
【００１０】
このように、車両のドライバについて道路状態毎に予め求めた操作状態の状態遷移確率に基づいて、操作状態の時系列データを予測し、操作状態毎に予め求めた道路状態と車両の加速度との関係を用いて、車両の加速度の時系列データを予測することにより、過去に走行したことのない道路であっても、速度パターンを精度良く予測することができる。
【００１１】
本発明に係る、複数種類の操作状態毎の道路状態と車両の加速度との関係を、予測対象のドライバについて予め求めたものとすることができる。これによって、速度パターンをより精度良く予測することができる。
【００１２】
また、本発明に係る速度予測装置は、速度予測手段によって予測された速度の時系列データに基づいて、走行路を走行したときに消費されるエネルギー量を算出するエネルギー量算出手段を更に含むことができる。これによって、走行路におけるエネルギー量を精度良く予測することができる。
【００１３】
また、上記のエネルギー量算出手段は、操作状態予測手段による操作状態の時系列データの予測及び速度予測手段による速度の時系列データの予測を繰り返し行ったときに予測された速度の時系列データの各々について、エネルギー量を各々算出して、走行路を走行したときに消費されるエネルギー量の範囲を算出するようにすることができる。これによって、変動幅を考慮して走行路におけるエネルギー量を精度良く予測することができる。
【００１４】
また、本発明のプログラムは、記憶媒体に格納して提供することも可能である。
【発明の効果】
【００１５】
以上説明したように、本発明の速度予測装置及びプログラムによれば、車両のドライバについて道路状態毎に予め求めた操作状態の状態遷移確率に基づいて、操作状態の時系列データを予測し、操作状態毎に予め求めた道路状態と車両の加速度との関係を用いて、車両の加速度の時系列データを予測することにより、過去に走行したことのない道路であっても、速度パターンを精度良く予測することができる、という効果が得られる。
【図面の簡単な説明】
【００１６】
【図１】本発明の第１の実施の形態に係る経路探索装置を示すブロック図である。
【図２】（Ａ）下りの道路勾配の状態に対するアクセル操作状態の状態遷移確率を示す図、（Ｂ）平坦な道路勾配の状態に対するアクセル操作状態の状態遷移確率を示す図、及び（Ｃ）上りの道路勾配の状態に対するアクセル操作状態の状態遷移確率を示す図である。
【図３】３状態のアクセル操作状態の各々に対する道路勾配と加速度との関係を表わすグラフである。
【図４】本発明の第１の実施の形態に係る経路探索装置における運転特性学習処理ルーチンの内容を示すフローチャートである。
【図５】本発明の第１の実施の形態に係る経路探索装置における経路探索処理ルーチンの内容を示すフローチャートである。
【図６】本発明の第１の実施の形態に係る経路探索装置における実走行エネルギー算出処理ルーチンの内容を示すフローチャートである。
【図７】（Ａ）生成された速度パターンと速度の実測値の時系列データとを示すグラフ、及び（Ｂ）生成された速度パターンと速度の実測値の時系列データとの詳細を示すグラフである。
【図８】走行エネルギー量の算出結果を示すグラフである。
【図９】本発明の第１の実施の形態に係る経路探索装置を示すブロック図である。
【発明を実施するための形態】
【００１７】
以下、図面を参照して、本発明の好適な実施の形態について説明する。車両に搭載され、かつ、自車両のドライバに対して目的地までの経路を案内する経路探索装置に本発明を適用した場合を例に説明する。
【００１８】
図１に示すように、第１の実施の形態に係る経路探索装置１０は、アクセルペダルの操作量を検出する操作量センサ１２と、自車両の車速を検出する車速センサ１３と、自車両の加速度を検出する加速度センサ１４と、自車両の位置を計測する位置計測部１６と、ドライバが目的地を入力するための入力操作部１８と、走行エネルギー量を最適にする目的地までの経路を探索するコンピュータ２０と、探索された経路をドライバに対して表示する表示装置２２と、予測された走行エネルギー量より少ない走行であったことをドライバに対して提示するための情報提示部２４とを備えている。
【００１９】
操作量センサ１２は、アクセルペダルの操作量として、アクセル開度を検出する。
【００２０】
位置計測部１６は、例えば、ＧＰＳセンサを用いて構成され、自車両の現在位置を計測する。
【００２１】
情報提示部２４は、例えば、インジケータを用いて構成され、予測された走行エネルギー量より少ない走行であったことをインジケータの点灯によりドライバへ提示する。
【００２２】
コンピュータ２０は、ＣＰＵと、ＲＡＭと、後述する運転特性学習処理ルーチン、経路探索処理ルーチン、及び実走行エネルギー算出処理ルーチンを実行するためのプログラムを記憶したＲＯＭとを備え、機能的には次に示すように構成されている。コンピュータ２０は、道路ネットワークデータ、及び道路ネットワーク上の各リンクの道路勾配や制限速度を示す道路情報を記憶した道路ネットワークデータベース２６と、操作量センサ１２によって検出されたアクセルペダルの操作量、車速センサ１３によって検出された自車両の車速、加速度センサ１４によって検出された自車両の加速度、位置計測部１６によって計測された自車両の位置、及び当該位置における道路勾配を自車情報として取得する自車情報取得部２８と、取得した自車情報に基づいて、操作特性としてのアクセル操作状態の状態遷移確率、および加速特性としての道路勾配と加速度との関係を学習する運転特性学習部３０と、学習されたアクセル操作状態の状態遷移確率を記憶する操作特性記憶部３２と、学習された道路勾配と加速度との関係を記憶する加速特性記憶部３４とを備えている。
【００２３】
自車情報取得部２８は、自車両のドライバ個人に対する操作特性及び加速特性を学習するときに、操作量センサ１２によって検出されたアクセルペダルの操作量、車速センサ１３によって検出された自車両の車速、加速度センサ１４によって検出された自車両の加速度、位置計測部１６によって計測された自車両の位置、及び道路ネットワークデータベース２６から得られる当該位置における道路勾配を逐次取得して自車情報として蓄積する。
【００２４】
運転特性学習部３０は、蓄積された自車情報を、例えば、３状態の道路勾配毎に分類し、図２（Ａ）〜（Ｃ）に示すように、３状態の道路勾配の各々について、３状態のアクセル操作状態の状態遷移確率を学習する。なお、３状態の道路勾配は、例えば、下り（−１％未満の道路勾配）、平坦（−１％以上１％以下の道路勾配）、及び上り（１％より大きい道路勾配）である。また、３状態のアクセル操作状態は、たとえば、アクセル操作なし（アクセル開度＝０％）、アクセル操作小（０％＜アクセル開度＜２０％）、及びアクセル操作大（２０％≦アクセル開度）である。
【００２５】
運転特性学習部３０は、自車両のドライバ個人に対する操作特性の学習結果として、例えば、３状態の道路勾配の各々について、以下の（１）式〜（３）式で表される状態遷移確率Ｐｒを得る。
【００２６】
【数１】
【００２７】
ただし、ａｃｃnはアクセス操作状態を表わす。ｇｒａｄnは道路勾配の状態を表わし、ｕｐが上り、ｌｅｖｅｌが平坦、ｄｏｗｎが下りを表わす。
【００２８】
運転特性学習部３０は、蓄積された自車情報を、例えば、３状態のアクセル操作状態毎に分類し、図３に示すように、各アクセル操作状態について、以下の（４）式に示すような道路勾配ｒｏａｄn［％］と加速度ａn［ｋｍ／ｈ／ｓｅｃ］との関係を表わす関数を求める。
【００２９】
【数２】
【００３０】
ただし、ｌａｒｇｅはアクセス操作大を表わし、ｓｍａｌｌはアクセル操作小を表わし、ｎｏｐはアクセル操作なしを表わす。また、ｃlarge、ｃsmall、ｃnop、ｂlarge、ｂsmall、ｂnopは、上記関数を定めるパラメータである。ｂlarge、ｂsmall、ｂnopは必ずしも定数である必要はない。上記図３の加速度のばらつきを表現するため、ｂlarge、ｂsmall、ｂnopを確率変数としてそのパラメータを最尤推定等で求めても良い。具体的には、ｂを、平均０、分散σ2の正規分布に従う確率変数として、蓄積された自車情報からσを推定しても良い。
【００３１】
なお、道路勾配と加速度との関係を表わす関数は、上記（４）式に示すような１次式に限定されるものではなく、以下の（５）式に示すような２次式で表されていてもよい。
【００３２】
【数３】
【００３３】
ただし、ｄlarge、ｄsmall、ｄnopは、上記関数を定めるパラメータである。
【００３４】
操作特性記憶部３２は、道路勾配の状態毎に学習された上記（１）式〜（３）式で表わされるアクセル操作状態の状態遷移確率を記憶する。また、加速特性記憶部３４は、アクセル操作状態毎に学習された上記（４）式で表わされる関数のパラメータを記憶する。
【００３５】
また、コンピュータ２０は、ドライバによる入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地としての自車両の位置、及び道路ネットワークデータに基づいて、出発地から目的地までの経路候補を複数探索する経路候補探索部３６と、探索された複数の経路候補に含まれる各リンクについて、道路ネットワークデータベース２６から道路勾配を取得する道路勾配取得部３７と、探索された複数の経路候補に含まれる各リンクについて、当該リンクの道路勾配と学習されたアクセル操作状態の状態遷移確率とに基づいて、アクセル操作状態の時系列データを予測する操作状態予測部３８と、探索された複数の経路候補に含まれる各リンクについて、予測されたアクセル操作状態の時系列データ、学習された道路勾配と加速度との関係を表わす関数、及び当該リンクの道路勾配に基づいて、加速度の時系列データを予測し、速度パターンを生成する速度パターン生成部４０と、探索された複数の経路候補に含まれる各リンクについて、生成された速度パターン、予測された加速度の時系列データ、及び当該リンクの道路勾配に基づいて、走行する際に消費される走行エネルギー量を算出する走行エネルギー算出部４２と、探索された複数の経路候補から、総走行エネルギー量が最小となる経路を選択して表示装置２２に出力する最小エネルギー経路選択部４４とを備えている。なお、速度パターン生成部４０が、速度予測手段の一例である。
【００３６】
経路候補探索部３６は、入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地、及び道路ネットワークデータに基づいて、最短経路を探索するアルゴリズムや、最短時間の経路を探索するアルゴリズムなどを用いて、出発地から目的地までの経路候補を複数探索する。経路探索のアルゴリズムについては、従来既知のものを利用すればよく、詳細な説明を省略する。
【００３７】
操作状態予測部３８は、探索された複数の経路候補に含まれる各リンクについて、道路勾配取得部３７によって取得された当該リンクの道路勾配と、道路勾配の状態毎に学習されたアクセル操作状態の状態遷移確率とに基づいて、以下に説明するように、当該リンクのアクセル操作状態の時系列データを予測する。なお、複数の経路候補に含まれる各リンクとは、複数の経路候補の少なくとも１つに含まれている全てのリンクの各々を示している。
【００３８】
まず、対象リンクの初期状態として、アクセル操作状態の初期値Ｓ0及び道路勾配の状態の初期値ｒｏａｄ0（取得された当該リンクの道路勾配に基づく道路勾配の状態）を設定する。そして、乱数を生成し、現時点の道路勾配の状態ｒｏａｄ0に対するアクセル操作状態の状態遷移確率Ｐｒ（Ｓ1｜Ｓ0，ｒｏａｄ0）に従って、生成された乱数を用いて確率的に次時刻のアクセル操作状態Ｓ1を選択する。同様に、現時点の道路勾配の状態ｒｏａｄnに対するアクセル操作状態の状態遷移確率Ｐｒ（Ｓn+1｜Ｓn，ｒｏａｄn）を用いた次時刻のアクセル操作状態Ｓn+1の確率的な選択を、リンクの終端に到達するまで繰り返して、アクセル操作状態の時系列データＳn（ｎ＝０，．．．，Ｎ）を予測する。
【００３９】
速度パターン生成部４０は、探索された複数の経路候補に含まれる各リンクについて、道路勾配取得部３７によって取得された当該リンクの道路勾配に基づく道路勾配の状態ｒｏａｄn（ｎ＝０，．．．，Ｎ）と、当該リンクについて予測されたアクセル操舵状態の時系列データａｃｃn（ｎ＝０，．．．，Ｎ）とに基づいて、学習されたパラメータを適用した上記（４）式で表される、アクセル操作状態ａｃｃnに対する関数にしたがって、加速度の時系列データａn（ｎ＝０，．．．，Ｎ）を予測する。
【００４０】
また、速度パターン生成部４０は、探索された複数の経路候補に含まれる各リンクについて、当該リンクについて予測された加速度の時系列データａn（ｎ＝０，．．．，Ｎ）に基づいて、以下の（６）式に従って、速度パターンとして、速度の時系列データｖn（ｎ＝０，．．．，Ｎ）を算出する。
【００４１】
【数４】
【００４２】
なお、速度の初期値ｖ0としては、１つ前のリンクについて算出された最終的な速度や、道路ネットワークデータベース２６から得られる当該リンクの制限速度を用いればよい。
【００４３】
走行エネルギー算出部４２は、探索された複数の経路候補に含まれる各リンクについて、当該リンクについて算出された速度の時系列データｖn（ｎ＝０，．．．，Ｎ）と、当該リンクについて予測された加速度の時系列データａn（ｎ＝０，．．．，Ｎ）とに基づいて、以下の（７）式に従って、当該リンクを走行する際に消費される走行エネルギー量Ｊを算出する。
【００４４】
【数５】
【００４５】
ただし、μは転がり摩擦係数であり、Ｍは車両質量[ｋｇ]であり、ｇは重力加速度である。кは抵抗係数[ｋｇ／ｍ]であり、θは道路勾配（上りを正とする）であり、ｍは部分加速時回転部分相当質量[ｋｇ]である。αは、車両加速度[ｍ／ｓ2]であり、当該リンクについて予測された加速度の時系列データａnから得られる。また、上記（７）式における積分範囲は、駆動力Ｆが０より大きくなる領域である。
【００４６】
操作状態予測部３８によるアクセル操作状態の時系列データの予測、速度パターン生成部４０による速度パターンの生成、及び走行エネルギー算出部４２による走行エネルギー量の算出からなる一連の処理が繰り返し行われ、探索された複数の経路候補に含まれる各リンクについて、複数個の走行エネルギー量が算出される。
【００４７】
走行エネルギー算出部４２は、探索された複数の経路候補に含まれる各リンクについて、当該リンクについて複数の乱数系列に基づいて算出された複数個の走行エネルギー量から得られる走行エネルギー量の範囲を求める。
【００４８】
最小エネルギー経路選択部４４は、探索された複数の経路候補の各々について、当該経路候補に含まれる各リンクについて算出された走行エネルギー量の範囲の総和を計算して、当該経路候補における総走行エネルギー量の範囲を算出する。また、最小エネルギー経路選択部４４は、総走行エネルギー量の範囲の中央値が最小となる経路候補を選択して、選択された経路候補の総走行エネルギー量の範囲と共に、当該経路候補を表示装置２２に出力する。
【００４９】
また、コンピュータ２０は、目的地に到着するまでに取得した自車情報を蓄積し、実際の走行における総走行エネルギー量を算出する実走行エネルギー算出部４６と、最小エネルギー経路選択部４４で選択された経路候補の総走行エネルギー量の範囲の下限とを比較し、比較結果を情報提示部２４により出力する比較部４８とを更に備えている。
【００５０】
実走行エネルギー算出部４６は、探索された経路における出発地から目的地に到着するまでに自車情報取得部２８により取得した自車情報を蓄積し、蓄積された自車情報の車速、加速度、および道路勾配に基づいて、上記（７）式に従って、実際の走行における総走行エネルギー量を算出する。
【００５１】
比較部４８は、最小エネルギー経路選択部４４で選択された経路候補の総走行エネルギー量の範囲の下限と、実走行エネルギー算出部４６により算出された総走行エネルギー量とを比較し、経路候補の総走行エネルギー量の範囲の下限より、実際の総走行エネルギー量の方が小さい場合には、情報提示部２４のインジケータを点灯させて、予測された走行エネルギー量より少ない走行であったことをドライバへ知らせる。
【００５２】
次に、第１の実施の形態に係る経路探索装置１０の動作について説明する。まず、経路探索装置１０において、自車ドライバの運転操作により自車両が走行しているときに、コンピュータ２０において、図４に示す運転特性学習処理ルーチンが実行される。
【００５３】
ステップ１００において、操作量センサ１２、車速センサ１３、及び加速度センサ１４の各検出値と、位置計測部１６によって計測された現在の自車両の位置とを自車情報として取得する。そして、ステップ１０２において、上記ステップ１００で取得した自車情報が所定量蓄積されたか否かを判定し、自車情報が所定量蓄積されていない場合には、上記ステップ１００へ戻る。一方、自車情報が所定量蓄積された場合には、ステップ１０４へ進む。
【００５４】
ステップ１０４では、蓄積された自車情報を、３状態の道路勾配毎に分類し、各道路勾配の状態について、分類された自車情報のアクセルペダルの操作量に基づいて、アクセル操作状態の状態遷移確率を学習して、操作特性記憶部３２に、道路勾配の３状態の各々に対するアクセル操作状態の状態遷移確率を格納する。
【００５５】
そして、ステップ１０６において、蓄積された自車情報を、３状態のアクセル操作状態毎に分類し、各アクセル操作状態について、当該アクセル操作状態に分類された自車情報の道路勾配及び加速度に基づいて、道路勾配と加速度との関係を表わす関数を学習して、加速特性記憶部３４に、アクセル操作状態の各々に対して学習された関数のパラメータを格納して、運転特性学習処理ルーチンを終了する。
【００５６】
また、コンピュータ２０は、上記の運転特性学習処理ルーチンを、所定期間毎に実行し、実行される毎に、自車情報を追加して、蓄積された自車情報を更新し、更新された自車情報に基づいて、道路勾配の３状態の各々に対するアクセル操作状態の状態遷移確率、及びアクセル操作状態の各々に対する道路勾配と加速度との関係を表わす関数を学習して、学習結果を更新する。
【００５７】
また、ドライバが入力操作部１８を操作して目的地を入力すると、コンピュータ２０において、図５に示す経路探索処理ルーチンが実行される。
【００５８】
まず、ステップ１１０において、位置計測部１６によって計測された現在の自車両の位置を取得し、取得した現在の自車両の位置を、出発地として設定すると共に、ドライバにより入力された目的地を示す情報を取得し、目的地を設定する。
【００５９】
そして、ステップ１１２において、経路探索アルゴリズムにより、出発地から目的地までの経路候補を複数検索する。次のステップ１１４では、上記ステップ１１２で検索された複数の経路候補に含まれるリンクのうち、予測対象のリンクを１つ選択する。そして、ステップ１１５において、道路ネットワークデータベース２６から予測対象のリンクの道路勾配を示す情報を取得し、ステップ１１６において、繰り返し回数を示す変数ｎを初期値の１に設定する。ステップ１１８では、予測対象のリンクについて、ドライバのアクセル操作状態の時系列データを予測する。
【００６０】
そして、ステップ１２０において、上記ステップ１１４で予測されたアクセル操作状態の時系列データを用いて、予測対象のリンクについて、加速度の時系列データを予測し、速度パターンを生成する。
【００６１】
次のステップ１２２では、上記ステップ１２０で生成された速度パターンと、加速度の時系列データと、道路ネットワークデータベース２６から得られる予測対象のリンクの道路勾配とに基づいて、予測対象のリンクにおける走行エネルギー量を算出する。
【００６２】
そして、ステップ１２４では、変数ｎが繰り返し回数の最大値Ｎに到達したか否かを判定する。変数ｎがＮに到達していない場合には、ステップ１２６において、変数ｎをインクリメントし、上記ステップ１１８へ戻る。変数ｎがＮに到達した場合には、ステップ１２８へ進む。このとき、予測対象のリンクについて、Ｎ個の走行エネルギー量が得られている。
【００６３】
ステップ１２８では、上記ステップ１１２で検索された複数の経路候補に含まれる全てのリンクについて、上記ステップ１１６〜１２６の処理を行ったか否かを判定し、上記ステップ１１６〜１２６の処理が行われていないリンクがある場合には、上記ステップ１１４へ戻り、当該リンクを予測対象のリンクとして設定する。
【００６４】
一方、上記ステップ１１２で検索された複数の経路候補に含まれる全てのリンクについて、上記ステップ１１６〜１２６の処理を行った場合には、ステップ１３０へ進み、上記ステップ１１２で検索された複数の経路候補の各々について、総走行エネルギー量の範囲を算出する。
【００６５】
そして、ステップ１３２において、上記ステップ１３０で算出された総走行エネルギー量が最小となる経路候補を選択し、ステップ１３４で、選択された経路候補と、当該経路候補について算出された総走行エネルギー量の範囲を表示装置２２に出力して、経路探索処理ルーチンを終了する。
【００６６】
上記経路探索処理ルーチンが実行されると、例えば、車載されたナビゲーションシステムにおいて、探索された目的地までの経路及び総走行エネルギー量の範囲をドライバに対して案内する処理が行われる。
【００６７】
また、上記経路探索処理ルーチンが実行された後に、コンピュータ２０において、図６に示す実走行エネルギー算出処理ルーチンが実行される。
【００６８】
まず、ステップ１４０において、操作量センサ１２、車速センサ１３、及び加速度センサ１４の各検出値と、位置計測部１６によって計測された現在の自車両の位置とを自車情報として取得する。そして、ステップ１４２において、上記ステップ１００で取得した自車情報の現在の自車両の位置が、上記経路探索処理ルーチンで設定された目的地まで到達したか否かを判定し、目的地まで到達していない場合には、上記ステップ１４０へ戻る。一方、現在の自車両の位置が、設定された目的地に到達した場合には、ステップ１４４へ進む。
【００６９】
ステップ１４４において、目的地に到達するまでに蓄積された自車情報に基づいて、目的地までの実際の走行における総走行エネルギー量を算出する。そして、ステップ１４６において、上記ステップ１４４で算出された実際の総走行エネルギー量が、上記経路探索処理ルーチンで選択された経路候補について算出された総走行エネルギー量の範囲の下限より小さいか否かを判定する。算出された実際の総走行エネルギー量が、算出された総走行エネルギー量の範囲の下限以上である場合には、実走行エネルギー算出処理ルーチンを終了する。一方、算出された実際の総走行エネルギー量が、算出された総走行エネルギー量の範囲の下限より小さい場合には、ステップ１４８において、情報提示部２４のインジケータを点灯させて、実走行エネルギー算出処理ルーチンを終了する。
【００７０】
次に、上記の実施の形態で説明した速度パターンの生成方法及び走行エネルギー量の算出方法により速度パターン及び走行エネルギー量を求めた実験結果について説明する。
【００７１】
上記の実施の形態で説明した速度パターンの生成方法によって生成された速度パターンと、実際の走行における速度パターンとを比較すると、図７（Ａ）に示すような結果が得られた。図７（Ｂ）に示すように、詳細な比較結果を見ると、アクセル操作状態の変化は一致せず、速度パターンに違いが見られるが、統計的な性質（アクセル操作状態の出現確率）は維持されていることが分かる。
【００７２】
また、リンク内で速度が変動しない速度パターンに基づいて走行エネルギー量を算出した結果と、上記の実施の形態で説明した走行エネルギー量の算出方法によって算出された走行エネルギー量と、実際の走行における走行エネルギー量とを比較すると、図８に示すように、上記の実施の形態で説明した走行エネルギー量の算出方法によって、走行エネルギー量が精度良くできることがわかった。また、変動幅を考慮した走行エネルギー量の範囲が精度良くできることがわかった。
【００７３】
以上説明したように、第１の実施の形態に係る経路探索装置によれば、自車両のドライバについて道路勾配の状態毎に学習したアクセル操作状態の状態遷移確率に基づいて、各リンクについて、アクセル操作状態の時系列データを予測し、当該ドライバについてアクセル操作状態毎に学習した道路勾配と車両の加速度との関係を表わす関数を用いて、各リンクについて、車両の加速度の時系列データを予測することにより、過去に走行したことのない道路であっても、個人の運転特性を考慮して、各リンクの速度パターンを精度良く予測することができる。また、各リンクの速度パターンに基づいて、探索された経路における総走行エネルギー量を精度良く予測することができ、また、変動幅を含めて総走行エネルギー量を予測することができる。また、総走行エネルギー量をコストとした最短経路を精度良く探索することができる。
【００７４】
また、アクセル操作状態の状態確率遷移に基づいて、アクセル操作状態を予測し速度パターンを生成しているため、各アクセル操作状態の出現頻度（時間率）を個人の運転特性に合わせることができる。加えて、道路勾配の考慮を行っているので、予測された速度パターンに基づいて算出される走行エネルギー量と実際の走行エネルギー量との誤差を小さくすることができる。
【００７５】
また、過去の走行データを用いて速度パターンを生成しているのではなく、学習データから、アクセル操作の個人特性（アクセル操作状態の状態確率遷移）及び個人の加速特性（道路勾配と車両加速度との関係）を学習しているのみであるため、速度パターンを生成する道路での走行データがなくても、速度パターンの生成、および走行エネルギー量の推定が可能である。
【００７６】
また、記憶しておくパラメータが、状態遷移確率と加速特性を表わす関数のパラメータであり、パラメータの数が少ないため、実装が容易であり、かつ、多量のデータ蓄積が不要である。
【００７７】
次に、第２の実施の形態について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
【００７８】
第２の実施の形態では、本実施の形態では、経路探索装置が、内燃機関と、内燃機関の出力軸に設けられた充電動作及びトルクアシスト動作を行うモータジェネレータとを備えたハイブリッド車両に搭載されている点と、目的地までの経路における各リンクについて予測される走行エネルギー量に基づいて、充放電のスケジュールを決定している点とが、第１の実施の形態と異なっている。
【００７９】
図９に示すように、第２の実施の形態に係る経路探索装置２１０は、操作量センサ１２と、加速度センサ１４と、位置計測部１６と、入力操作部１８と、目的地までの最短経路を探索すると共に、最短経路における充放電動作のスケジュールを決定するコンピュータ２２０と、表示装置２２と、決定された充放電動作のスケジュールに従って、モータジェネレータによる充放電動作を制御するモータ制御部２２２とを備えている。
【００８０】
モータ制御部２２２は、コンピュータ２２０により決定された充放電動作のスケジュールに従って、ハイブリッド車両である自車両に備えられたモータジェネレータの充電動作及びトルクアシスト動作（放電動作）を制御する。
【００８１】
コンピュータ２２０は、道路ネットワークデータベース２６と、自車情報取得部２８と、運転特性学習部３０と、操作特性記憶部３２と、加速特性記憶部３４と、ドライバによる入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地としての自車両の位置、及び道路ネットワークデータに基づいて、出発地から目的地までの最短経路を探索する経路探索部２３６と、道路勾配取得部３７と、操作状態予測部３８と、速度パターン生成部４０と、走行エネルギー算出部４２と、探索された最短経路における各リンクの走行エネルギー量に基づいて、最短経路における充放電動作のスケジュールを決定する充放電スケジュール決定部２４４とを備えている。
【００８２】
経路探索部２３６は、入力操作部１８の操作により入力された目的地、位置計測部１６によって計測された出発地、及び道路ネットワークデータに基づいて、最短経路を探索するアルゴリズムや、最短時間の経路を探索するアルゴリズムなどを用いて、出発地から目的地までの最短経路を探索して、表示装置２２に出力する。
【００８３】
操作状態予測部３８は、探索された最短経路における各リンクについて、アクセル操作状態の時系列データを予測する。速度パターン生成部４０は、探索された最短経路における各リンクについて、加速度の時系列データを予測し、速度パターンを生成する。
【００８４】
走行エネルギー算出部４２は、探索された最短経路における各リンクについて、走行する際に消費される走行エネルギー量を算出する。また、上記（７）式では、駆動力Ｆが０より大きくなる領域を積分する場合を例に説明したが、本実施の形態では、Ｆ＜０となる部分は、減速時に発生する熱エネルギー（ロス分）と、発電により回収可能なエネルギー（回収分）とであると考えることができるため、回生効率を勘案して、Ｆ＜０の範囲も積分する。
【００８５】
充放電スケジュール決定部２４４は、探索された最短経路における各リンクについて算出された走行エネルギー量に基づいて、出発地から目的地までの最短経路におけるモータジェネレータのリンク毎の最適な動作スケジュール（充電動作、トルクアシスト動作、動作なし）を決定し、モータ制御部２２２へ出力する。なお、充放電動作のスケジュールの決定方法については、従来既知の手法を用いればよく、詳細な説明を省略する。
【００８６】
なお、第２の実施の形態に係る経路探索装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
【００８７】
以上説明したように、第２の実施の形態に係る経路探索装置によれば、探索された最短経路における各リンクの走行エネルギー量を精度良く算出することができ、充放電動作の最適なスケジュールを決定することができる。
【００８８】
なお、上記の第１の実施の形態及び第２の実施の形態では、経路探索装置を車両に搭載した場合を例に説明したが、これに限定されるものではなく、交通情報センター側の装置に、本発明を適用してもよい。この場合には、経路探索対象の車両から、収集した自車情報と、出発地及び目的地を示すデータとを、交通情報センター側の装置に送信し、交通情報センター側の装置において、当該ドライバの運転特性を学習すると共に、経路探索を行い、経路探索結果（走行経路及び総走行エネルギー量）や充放電動作のスケジュールを、車両へ送信するようにすればよい。
【００８９】
また、生成された速度パターンに基づいて、走行エネルギー量を算出する場合を例に説明したが、これに限定されるものではなく、生成された速度パターンを、所定の速度パターン（例えば、過去の運転における速度パターン）と比較し、比較結果に基づいて、運転支援を行うようにしてもよい。
【００９０】
また、アクセル操作状態として、アクセル操作なし、アクセル操作小、及びアクセル操作大の３状態を用いた場合を例に説明したが、これに限定されるものではなく、例えば、アクセル操作状態として、アクセル操作なし、アクセル操作小、アクセル操作中、及びアクセル操作大の４状態を用いてもよい。
【００９１】
また、上記の実施の形態では、内燃機関とモータの双方で駆動するハイブリッド車両に、経路探索装置を搭載した場合を例に説明したが、これに限定されるものではなく、モータで駆動する電気自動車に経路探索装置を搭載してもよい。
【００９２】
また、速度の時系列データを出力し、それに基づいて走行エネルギー量を算出するため、走行エネルギー量の集計単位（単位距離毎、単位時間毎、リンク毎、トリップ毎）を自由に設定してもよい。
【００９３】
また、道路勾配を、道路ネットワークデータベースから取得する場合を例に説明したが、これに限定されるものではなく、例えば、前方画像を撮像し、前方画像から、道路勾配を推定するようにしてもよい。
【００９４】
また、ドライバ個人の操作特性を記述するパラメータである状態遷移確率の条件項として勾配変化Δｇｒａｄnを用いても良い。状態遷移確率をＰｒ（ａｃｃn|ｇｒａｄn,Δｇｒａｄn）とすることで、上りから下りや、下りから上りなどの勾配変化点での操作の傾向を反映することができる。
【符号の説明】
【００９５】
１０、２１０ 経路探索装置
１２ 操作量センサ
１３ 車速センサ
１４ 加速度センサ
１６ 位置計測部
２０、２２０ コンピュータ
３０ 運転特性学習部
３２ 操作特性記憶部
３４ 加速特性記憶部
３６ 経路候補探索部
３７ 道路勾配取得部
３８ 操作状態予測部
４０ 速度パターン生成部
４２ 走行エネルギー算出部
４４ 最小エネルギー経路選択部
２３６ 経路探索部
２４４ 充放電スケジュール決定部
【特許請求の範囲】
【請求項１】
車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段と、
前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段と、
前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段と、
を含む速度予測装置。
【請求項２】
前記複数種類の操作状態毎の前記道路状態と前記車両の加速度との関係を、前記ドライバについて予め求めたものとした請求項１記載の速度予測装置。
【請求項３】
前記速度予測手段によって予測された前記速度の時系列データに基づいて、前記走行路を走行したときに消費されるエネルギー量を算出するエネルギー量算出手段を更に含む請求項１又は２記載の速度予測装置。
【請求項４】
前記エネルギー量算出手段は、前記操作状態予測手段による前記操作状態の時系列データの予測及び前記速度予測手段による前記速度の時系列データの予測を繰り返し行ったときに予測された前記速度の時系列データの各々について、前記エネルギー量を各々算出して、前記走行路を走行したときに消費されるエネルギー量の範囲を算出する請求項３記載の速度予測装置。
【請求項５】
前記道路状態を、道路勾配とした請求項１〜請求項４の何れか１項記載の速度予測装置。
【請求項６】
前記複数種類の道路状態を、道路勾配が上りの状態、道路勾配が平坦な状態、及び道路勾配が下りの状態とした請求項５記載の速度予測装置。
【請求項７】
前記操作状態を、アクセル操作量とした請求項１〜請求項５の何れか１項記載の速度予測装置。
【請求項８】
前記複数種類の操作状態を、アクセル操作がない状態、及びアクセル操作量が異なる複数種類の状態とした請求項７記載の速度予測装置。
【請求項９】
コンピュータを、
車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段、
前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段、及び
前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段
として機能させるためのプログラム。
【請求項１】
車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段と、
前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段と、
前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段と、
を含む速度予測装置。
【請求項２】
前記複数種類の操作状態毎の前記道路状態と前記車両の加速度との関係を、前記ドライバについて予め求めたものとした請求項１記載の速度予測装置。
【請求項３】
前記速度予測手段によって予測された前記速度の時系列データに基づいて、前記走行路を走行したときに消費されるエネルギー量を算出するエネルギー量算出手段を更に含む請求項１又は２記載の速度予測装置。
【請求項４】
前記エネルギー量算出手段は、前記操作状態予測手段による前記操作状態の時系列データの予測及び前記速度予測手段による前記速度の時系列データの予測を繰り返し行ったときに予測された前記速度の時系列データの各々について、前記エネルギー量を各々算出して、前記走行路を走行したときに消費されるエネルギー量の範囲を算出する請求項３記載の速度予測装置。
【請求項５】
前記道路状態を、道路勾配とした請求項１〜請求項４の何れか１項記載の速度予測装置。
【請求項６】
前記複数種類の道路状態を、道路勾配が上りの状態、道路勾配が平坦な状態、及び道路勾配が下りの状態とした請求項５記載の速度予測装置。
【請求項７】
前記操作状態を、アクセル操作量とした請求項１〜請求項５の何れか１項記載の速度予測装置。
【請求項８】
前記複数種類の操作状態を、アクセル操作がない状態、及びアクセル操作量が異なる複数種類の状態とした請求項７記載の速度予測装置。
【請求項９】
コンピュータを、
車両が走行する予測対象の走行路の各地点の道路状態を取得する道路状態取得手段、
前記車両のドライバについて複数種類の道路状態毎に予め求めた、前記ドライバが前記車両を操作したときの複数種類の操作状態の状態遷移確率と、前記道路状態取得手段によって取得した各地点の道路状態とに基づいて、前記走行路における前記操作状態の時系列データを予測する操作状態予測手段、及び
前記複数種類の操作状態毎に予め求めた前記道路状態と前記車両の加速度との関係と、前記道路状態取得手段によって取得した各地点の道路状態と、前記操作状態予測手段によって予測された前記操作状態の時系列データとに基づいて、前記走行路における前記車両の加速度の時系列データを予測し、前記走行路における前記車両の加速度の時系列データに基づいて、前記走行路における前記車両の速度の時系列データを予測する速度予測手段
として機能させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２０１２−１６８０３７（Ｐ２０１２−１６８０３７Ａ）
【公開日】平成２４年９月６日（２０１２．９．６）
【国際特許分類】
【出願番号】特願２０１１−２９８２１（Ｐ２０１１−２９８２１）
【出願日】平成２３年２月１５日（２０１１．２．１５）
【出願人】（０００００３６０９）株式会社豊田中央研究所 (4,200)
【Ｆターム（参考）】
【公開日】平成２４年９月６日（２０１２．９．６）
【国際特許分類】
【出願日】平成２３年２月１５日（２０１１．２．１５）
【出願人】（０００００３６０９）株式会社豊田中央研究所 (4,200)
【Ｆターム（参考）】
[ Back to top ]