運転支援システム、ナビゲーション装置及び配送指示システム
【課題】燃料消費量の低減を図った運転支援を行う運転支援システム、当該運転支援システムを用いたナビゲーション装置及び当該運転支援システムを用いた配送指示システムを提供する。
【解決手段】ＣＰＵ２１ａが、車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索し、検索された複数の走行経路に対する燃料消費量を推論する。ＣＰＵ２１ａは、推論された複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示する。
【解決手段】ＣＰＵ２１ａが、車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索し、検索された複数の走行経路に対する燃料消費量を推論する。ＣＰＵ２１ａは、推論された複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、運転支援システム、ナビゲーション装置及び配送指示システムに関するものである。
【背景技術】
【０００２】
車両の運転を支援する装置としては、例えば、走行経路を案内するナビゲーション装置や、複数の配送車に対して配送先を指示する配送指示システムがある。上述した従来のナビゲーション装置は、車両の現在位置から設定された目的地又は経由地までの走行経路を複数検索し、検索した複数の走行経路のうち、最も短時間又は最も短距離で目的地又は経由地まで到着できる走行経路を走行するように支援している。
【０００３】
また、上述した配送指示システムにおいて、複数の配送車と通信可能な中央管理装置は、複数の配送車の各現在位置に基づき、配送先に最も短時間又は最も短距離で到着できる配送車に対して、その配送先へ行くように支援している。
【発明の開示】
【発明が解決しようとする課題】
【０００４】
ところで、配送業者において、配送車の燃料消費量は配送コストに反映することになるから、配送コストを下げるために、なるべく走行にかかる燃料消費量を減らしたいという要望があった。しかしながら、上述したナビゲーション装置や配送指示システムでは何れも短時間又は短距離で目的地（配送先）に到着する走行経路や配送車を優先している。このため、従来のナビゲーション装置や配送指示システムでは、燃料消費量の低減を図るような運転支援を行うことができないという問題があった。
【０００５】
そこで、本発明は、上記のような問題点に着目し、燃料消費量の低減を図った運転支援を行う運転支援システム、当該運転支援システムを用いたナビゲーション装置及び当該運転支援システムを用いた配送指示システムを提供することを課題とする。
【課題を解決するための手段】
【０００６】
上述した課題を解決するためになされた請求項１記載の発明は、走行経路の走行によって車両が消費する燃料消費量を推論する推論手段と、該推論手段が推論した燃料消費量に基づいて、運転支援する支援手段とを備えたことを特徴とする運転支援システムに存する。
【０００７】
請求項１記載の発明によれば、推論手段が走行経路の走行によって車両が消費する燃料消費量を推論する。支援手段が推論手段によって推論された燃料消費量に基づいて、運転支援する。従って、推論手段が推論した走行経路の走行によって車両が消費する燃料消費量に基づいて、運転支援することにより、燃料消費量の低減を図った運転支援を行うことができる。
【０００８】
請求項２記載の発明は、請求項１記載の運転支援システムであって、前記推論手段は、前記車両が走行している走行経路に関する走行経路情報を検出する走行経路情報検出手段と、前記車両の燃費情報を検出する燃費情報検出手段と、前記検出された現走行経路情報を入力とし、前記検出された現燃費情報を出力とする学習を行う学習手段とを有し、前記学習手段が行った学習結果を用いて、前記走行経路情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システムに存する。
【０００９】
請求項２記載の発明によれば、推論手段において、走行経路情報検出手段が車両の走行している走行経路に関する走行経路情報を検出し、燃費情報検出手段が車両の燃費情報を検出し、学習手段が検出された現走行経路情報を入力とし、検出された現燃費情報を出力とする学習を行い、学習手段が行った学習結果を用いて、走行経路情報を入力とし、燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行う。従って、走行経路情報検出手段及び燃費検出手段による検出結果を用いて、走行経路情報を入力とし、燃費情報を出力とした学習が行われ、その学習結果を用いて燃料消費量の推論が行われる。つまり、走行中に行われる学習により走行経路情報と燃費情報との関係を得ることができ、予め走行経路情報と燃費情報との関係を示すマップを作成する必要がない。
【００１０】
請求項３記載の発明は、請求項２記載の運転支援システムであって、前記走行経路情報検出手段は、前記車両の現在位置を検出する現在位置検出手段と、地図データを記憶する地図データ記憶手段とを有し、前記検出された現在位置に対する地図データ上の経路を前記走行経路情報として検出することを特徴とする運転支援システムに存する。
【００１１】
請求項３記載の発明によれば、走行経路情報検出手段において、現在位置検出手段が車両の現在位置を検出し、検出された現在位置に対する地図データ上の経路を走行経路情報として検出する。従って、地図データ上の経路を入力とし、燃費情報を出力とする学習を行うことにより、正確に走行経路の走行によって車両が消費する燃料消費量を推論することができる。
【００１２】
請求項４記載の発明は、請求項２又は３記載の運転支援システムであって、前記推論手段は、道路の渋滞情報を検出する渋滞情報検出手段をさらに備え、前記学習手段は、前記検出された現走行経路情報及び前記検出された現渋滞情報を入力とし、前記検出された現燃費情報を出力とする学習を行い、前記推論手段は、前記走行経路情報及び前記渋滞情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システムに存する。
【００１３】
請求項４記載の発明によれば、推論手段において、渋滞情報検出手段が道路の渋滞情報を検出し、学習手段が検出された現走行経路情報及び検出された現渋滞情報を入力とし、検出された現燃費情報を出力とする学習を行い、走行経路情報及び渋滞情報を入力とし、燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行う。従って、現渋滞情報を入力とした学習・推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができる。
【００１４】
請求項５記載の発明は、請求項２記載の運転支援システムであって、前記走行経路情報検出手段は、前記車両の速度を検出する速度検出手段を有し、前記検出された車両の現速度を前記走行経路情報として検出することを特徴とする運転支援システムに存する。
【００１５】
請求項５記載の発明によれば、走行経路の走行によって車両が消費する燃料消費量は、その走行経路を走行するときの速度に応じていることに着目し、走行経路情報検出手段において、速度検出手段が車両の速度を検出し、検出された車両の現速度を走行経路情報として検出する。従って、走行経路を走行しているときの速度を走行経路情報として、学習・推論することにより、車両の現在位置を検出するためのＧＰＳや地図データを使わなくても簡単に、正確な燃料消費量を推論することができる。
【００１６】
請求項６記載の発明は、請求項５記載の運転支援システムであって、道路の渋滞情報を検出する渋滞情報検出手段と、燃料消費量を求めたい走行経路及び当該走行経路上の前記渋滞情報に対応した車両速度を前記走行経路情報として、前記推論手段に入力する入力手段とをさらに備え、前記推論手段は、前記入力手段の入力に対して推論された燃費情報に基づいて、前記燃料消費量を推論することを特徴とする運転支援システムに存する。
【００１７】
請求項６記載の発明によれば、渋滞情報検出手段が道路の渋滞情報を検出する。入力手段が燃料消費量を求めたい走行経路及びその走行経路上の渋滞情報に対応した車両速度を走行経路情報として、推論手段に入力する。推論手段が入力に対して推論された燃費情報に基づいて、燃料消費量を推論する。従って、現渋滞情報を考慮した車両速度を走行経路情報として入力して、推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができる。
【００１８】
請求項７記載の発明は、請求項１〜６何れか１項記載の運転支援システムを用いたナビゲーション装置であって、車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索する検索手段をさらに備え、前記推論手段は、前記検索手段によって検索された複数の走行経路に対する燃料消費量を推論し、前記支援手段は、前記推論手段が推論した前記複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示することを特徴とするナビゲーション装置に存する。
【００１９】
請求項７記載の発明によれば、検索手段が車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索する。推論手段が検索手段によって検索された複数の走行経路に対する燃料消費量を推論する。支援手段が推論手段によって推論された複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示する。従って、複数検索した走行経路のうち、最も燃料消費量が少ない走行経路を走行するように指示することができる。
【００２０】
請求項８記載の発明は、請求項１〜６何れか１項記載の運転支援システムが備えた推論手段を搭載した複数の配送車と、該複数の配送車と通信可能であり、請求項１〜６何れか１項記載の運転支援システムが備えた支援手段が設置された中央管理装置とから構成され、前記複数の配送車に配送支援を行うための配送指示システムであって、前記推論手段は、前記推論された走行経路に対する燃料消費量を前記中央管理装置に送信する消費量送信手段を有し、前記支援手段は、前記各配送車の現在位置から所定の配送先までの走行経路に対する燃料消費量の推論命令を送信する推論命令送信手段を有し、該推論命令に応じて前記消費量送信手段によって送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、前記所定の配送先に行くように指示することを特徴とする配送指示システムに存する。
【００２１】
請求項８記載の発明によれば、中央管理装置内の支援手段において、推論命令送信手段が各配送車の現在位置から所定の配送先までの走行経路に対する燃料消費量の推論命令を送信する。推論命令に応じて、各配送車に搭載された推論手段が現在位置から所定の配送先までの走行経路に対する燃料消費量を推論し、消費量送信手段が推論された走行経路に対する燃料消費量を中央管理装置に送信する。中央管理装置内の支援手段は推論命令に応じて消費量送信手段から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、その燃料消費量に対する走行経路を走行して所定の配送先に行くように指示する。従って、複数の配送車のうち最も燃料消費量を使わずに所定の配送先まで到達できる配送車に、所定の配送車への配送指示を行うことができる。
【００２２】
請求項９記載の発明は、請求項８記載の配送指示システムであって、前記複数の配送車には各々、自重情報を検出する自重検出手段と、該検出した自重情報を前記中央管理装置に送信する自重送信手段とを有し、前記中央管理装置は、前記各配送車から送信された自重情報に基づき、前記所定の配送先で荷物を積載すると、積載超過となる配送車を検出する積載超過検出手段を有し、前記支援手段は、前記積載超過検出手段により積載超過であると検出された配送車を除いた配送車から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して前記所定の配送先に行くように指示することを特徴とする配送指示システムに存する。
【００２３】
請求項９記載の発明によれば、自重送信手段が自重検出手段によって検出された自重情報を中央管理装置に送信する。中央管理装置において、積載超過検出手段が各配送車から送信された自重情報に基づき、所定の配送先で荷物を積載すると積載超過となる配送車を検出し、支援手段が積載超過検出手段により積載超過であると検出された配送車を除いた配送車から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、当該燃料消費量に対する走行経路を走行して所定の配送先に行くように指示する。従って、積載超過しないように配送指示することができる。
【発明の効果】
【００２４】
以上説明したように請求項１記載の発明によれば、推論手段が推論した走行経路の走行によって車両が消費する燃料消費量に基づいて、運転支援することにより、燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２５】
請求項２記載の発明によれば、走行経路情報検出手段及び燃費検出手段による検出結果を用いて、走行経路情報を入力とし、燃費情報を出力とした学習が行われ、その学習結果を用いて燃料消費量の推論が行われる。つまり、走行中に行われる学習により走行経路情報と燃費情報との関係を得ることができ、予め走行経路情報と燃費情報との関係を示すマップを作成する必要がないので、コストダウンを図ると共に、車両を選ばずに搭載することができる運転支援システムを得ることができる。
【００２６】
請求項３記載の発明によれば、地図データ上の経路を入力とし、燃費情報を出力とする学習を行うことにより、正確に走行経路の走行によって車両が消費する燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２７】
請求項４記載の発明によれば、現渋滞情報を入力とした学習・推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２８】
請求項５記載の発明によれば、走行経路を走行しているときの速度を走行経路情報として、学習・推論することにより、車両の現在位置を検出するためのＧＰＳや地図データを使わなくても簡単に、正確な燃料消費量を推論することができるので、安価にかつ確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２９】
請求項６記載の発明によれば、現渋滞情報を考慮した車両速度を走行経路情報として入力して、推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００３０】
請求項７記載の発明によれば、複数検索した走行経路のうち、最も燃料消費量が少ない走行経路を走行するように指示することができるので、燃料消費量の低減を図った運転支援を行うナビゲーション装置を得ることができる。
【００３１】
請求項８記載の発明によれば、複数の配送車のうち最も燃料消費量を使わずに所定の配送先まで到達できる配送車に、所定の配送車への配送指示を行うことができるので、燃料消費量の低減を図った運転支援を行う配送指示システムを得ることができる。
【００３２】
請求項９記載の発明によれば、積載超過しないように配送指示することができる配送指示システムを得ることができる。
【発明を実施するための最良の形態】
【００３３】
第１実施形態
以下、本発明の運転支援システム、ナビゲーション装置及び配送指示システムを、図面に基づいて説明する。本発明の配送指示システムは、荷物の回収、配達を行う配送業務に用いられるものであり、事務所側から複数の配送車Ａ〜Ｅに対して燃料消費低減を考慮した配送指示を行うシステムである。図１は、本発明の配送指示システムの一実施形態を示すブロック図である。同図に示すように、本発明の配送指示システムは、事務所側に設置されたパーソナルコンピュータなどの中央管理装置１０と、この中央管理装置１０とＤＯＰＡ網のような無線通信網でつながっており、複数の配送車Ａ〜Ｅにそれぞれ搭載されたナビゲーション装置２０とから構成されている。
【００３４】
上述したナビゲーション装置２０の詳細な電気構成図について、図２を参照して以下説明する。同図に示すように、ナビゲーション装置２０内に備えられたマイクロコンピュータ（以下μＣＯＭ）２１には、燃料が例えば１ｃｃ消費される毎に出力される燃料パルスＰｆが供給されている。
【００３５】
上述したμＣＯＭ２１にはまた、全地球測位システム（Global Positioning System）を構成する人工衛星からの測位信号Ｓ１をＧＰＳアンテナＡＴ１を用いて受信するＧＰＳレシーバ２２と、道路交通情報通信システム（Vehicle Information and Communication System）を構成するＶＩＣＳセンタからの渋滞情報、道路規制情報などを含む道路情報Ｓ２をＶＩＣＳアンテナＡＴ２を用いて受信するＶＩＣＳレシーバ２３と、車両の重量を計測して、自重情報Ｗを出力する自重計２４とが接続され、上述した測位信号Ｓ１、道路情報Ｓ２及び自重情報Ｗがそれぞれ供給されている。
【００３６】
μＣＯＭ２１にはまた、地図データが格納された地図記憶部２５（＝地図データ記憶手段）と、液晶ディスプレイなどの表示器２６と、ＤＯＰＡ網を経由して事務所側に設置された中央管理装置１０と通信を行うためのＤＯＰＡ通信部２７とが接続されている。
【００３７】
μＣＯＭ２１は、プログラムに従って各種の処理を行う中央処理ユニット（ＣＰＵ）２１ａ、ＣＰＵ２１ａが行う処理のプログラムなどを格納した読み出し専用メモリであるＲＯＭ２１ｂ、ＣＰＵ２１ａでの各種の処理過程で利用するワークエリア、各種データを格納するデータ格納エリアなどを有する読み出し書き込み自在のメモリであるＲＡＭ２１ｃなどを内蔵している。
【００３８】
上述した構成の配送指示システムの動作について、図３〜図７を参照して以下説明する。ＣＰＵ２１ａは、図３に示すようなファジィ化ニューロネットワークに従って、走行経路情報Ｒ、渋滞発生箇所、渋滞距離、渋滞通過時間を含んだ渋滞情報Ｔ、自重情報Ｗを入力データとし、単位距離（例えば１００ｍ）当たりの燃料消費量α（＝燃費情報）を出力データとした推論・学習を行うようになっている。なお、地図データ上において走行経路には予め番号Ｒ１、Ｒ２…などが割り振られており、車両が走行した経路に割り振られた番号を走行経路情報Ｒとして入力する。
【００３９】
まず、ナビゲーション装置２０内のＣＰＵ２１ａは、上述した学習を行うため、例えば１００ｍといった一定距離走行する毎に、学習データ作成処理を実行する。この学習データ作成処理におけるＣＰＵ２１ａの処理手順を図４のフローチャートを参照して以下説明する。ステップＳ１において、ＣＰＵ２１ａは、走行経路情報検出手段として働き、ＧＰＳレシーバ２２が受信した測位信号Ｓ１から現在位置を求め、求めた現在位置と地図記憶部２５に記憶された地図データとから現走行経路情報Ｒｐを検出する。
【００４０】
また、ＣＰＵ２１ａは、渋滞情報検出手段として働き、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２から現渋滞情報Ｔｐを検出する。さらに、ＣＰＵ２１ａは、燃費情報検出手段として働き、燃料パルスＰｆから現在の１００ｍ当たりの燃料消費量αｐ（ｃｃ）を検出し、自重情報検出手段として働き、自重計２４から現自重情報Ｗｐを検出する。
【００４１】
ステップＳ２においてＣＰＵ２１ａは、下記に示すように、検出した現走行経路情報Ｒｐ、現渋滞情報Ｔｐ、現自重情報Ｗｐを入力データＩｗとし、現燃費情報αｐを出力データＯｗ（教師信号）とした学習データを作成する。
Ｉｗ＝（Ｒｐ、Ｔｐ、Ｗｐ）
Ｏｗ＝（αｐ）
【００４２】
また、事務所側で配送先Ｐ１でＸｋｇの荷物を積載した配送先Ｐ２まで配達する仕事が新たに加わった時の配送指示システムの動作について、図５〜図７を参照して説明する。まず、中央管理装置１０は、無線通信網であるＤＯＰＡ網を介して各配送車Ａ〜Ｅに対して、自重情報Ｗ、走行可能距離情報Ｌａ、現在位置情報Ｐｏの送信を要求する（図５（ａ１）〜（ａ５）参照）。
【００４３】
ナビゲーション装置２０内のＣＰＵ２１ａは、中央管理装置１０から自重情報Ｗ、走行可能距離情報Ｌａ、現在位置情報Ｐｏの送信要求を受信すると（図６のステップＳ１０でＹ）、自重計２４からの現自重情報Ｗｐ、燃料残量からおおよそ求められる現走行可能距離情報Ｌａｐ、測位信号Ｓ１から求めた現在位置情報Ｐｏを中央管理装置１０に対して送信する（図５（ｂ１）〜（ｂ５）、図６のステップＳ１１参照）。以上のことから明らかなようにＣＰＵ２１ａは、自重送信手段として働く。
【００４４】
中央管理装置１０は、全配送車Ａ〜Ｅからの現自重情報Ｗｐ、現走行可能距離情報Ｌａｐ、現在位置情報Ｐｏを受信すると、積載超過検出手段として働き、各配送車Ａ〜Ｅの現自重情報Ｗｐに基づいてＸｋｇを積載すると積載超過となる配送車と、走行可能距離情報Ｌａ、現在位置情報Ｐｏに基づいて配送先Ｐ１を経由して、配送先Ｐ２まで到着できない配送車とを検出して、配送不可車（本実施形態では配送車Ａ、Ｃとする）とする。次に、中央管理装置１０は、推論命令送信手段として働き、配送不可車Ａ、Ｃ以外の配送可能車Ｂ、Ｄ、Ｅに対して、現在位置から配送先Ｐ１で積載量Ｘを積載した後、配送先Ｐ２に到達するまでに消費する燃料消費量の推論命令を送信する（図５（ｃ１）〜（ｃ３）参照）。
【００４５】
ナビゲーション装置２０内のＣＰＵ２１ａは、推論命令を受信すると（図６のステップＳ１２でＹ）、推論手段として働き、現在位置Ｐｏから配送先Ｐ１で積載量Ｘｋｇの荷物を積載した後、配送先Ｐ２に到着するまでに消費する燃料消費量を推定する（図６のステップＳ１３）。
【００４６】
推定において、ＣＰＵ２１ａはまず図３に示すようなニューロネットワークへの入力データを作成する。入力データ作成において、先ずＣＰＵ２１ａは、検索手段として働き、現在位置Ｐｏから配送先Ｐ１までの走行経路を地図記憶部２５内の地図データから検索する。このとき、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２に含まれる道路規制情報から通行禁止箇所を検出し、通行禁止箇所を通る経路は除くように経路検索が行われる。その後、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２から現渋滞情報Ｔｐを求める。
【００４７】
例えば、図７に示すように現在位置Ｐｏから走行経路Ｒ１→Ｒ２を通って配送先Ｐ１に至る経路Ｒ１１と、走行経路Ｒ１→Ｒ３→Ｒ２を経由して配送先Ｐ１に至る経路Ｒ１２との複数の経路を検索した場合、それぞれの経路Ｒ１１、Ｒ１２を構成する走行経路Ｒ１、Ｒ２、Ｒ３と、現渋滞情報Ｔｐ及び現自重情報Ｗｐとを組み合わせた複数パターンの入力データＩ１、Ｉ２、Ｉ３を生成する。
Ｉ１＝（Ｒ１、Ｔｐ、Ｗｐ）
Ｉ２＝（Ｒ１、Ｔｐ、Ｗｐ）
Ｉ３＝（Ｒ３、Ｔｐ、Ｗｐ）
【００４８】
同様にＣＰＵ２１ａは、配送先Ｐ１から配送先Ｐ２までの走行経路を地図情報記憶部２５内の地図データから検索する（通行禁止箇所を通る経路は除く）。例えば、図７に示すように配送先Ｐ１から走行経路Ｒ４→Ｒ５を経由して配送先Ｐ２に至る経路Ｒ２１と、走行経路Ｒ６を経由して配送先Ｐ２に至る経路Ｒ２２との２つの走行経路を検索した場合、それぞれの経路Ｒ２１、Ｒ２２を構成する走行経路Ｒ４、Ｒ５、Ｒ６と、現渋滞情報Ｔｐ及び現自重情報Ｗｐに積載量Ｘを加算した値とを組み合わせた複数パターンの入力データＩ４、Ｉ５、Ｉ６を生成する。
Ｉ４＝（Ｒ４、Ｔｐ、Ｗｐ＋Ｘ）
Ｉ５＝（Ｒ５、Ｔｐ、Ｗｐ＋Ｘ）
Ｉ６＝（Ｒ６、Ｔｐ、Ｗｐ＋Ｘ）
【００４９】
次に、ＣＰＵ２１ａは、図３に示すようなネットワークに、生成した入力データＩ１〜Ｉ６を入力して、入力データＩ１〜Ｉ６に対する燃料消費量α１〜α６を推論する推論処理を行う。
【００５０】
ここで推論された燃料消費量α１〜α６は各経路Ｒ１〜Ｒ６を単位距離走行する毎に消費される燃料消費量の推定値に相当する。この燃料消費量α１〜α６に、経路Ｒ１１、Ｒ１２における走行経路Ｒ１〜Ｒ３の距離を乗じて、走行経路Ｒ１１、Ｒ１２の走行にかかる燃料消費量α１１、α１２をそれぞれ求める（例えば、経路Ｒ１１が、ｙｍの走行経路Ｒ１と、ｚｍの走行経路Ｒ２とから構成されていれば、経路Ｒ１１の走行にかかる燃料消費量α１１は、α１×ｙ＋α２×ｚ（ｃｃ）から求める。）また、燃料消費量α４〜α６に基づいて、走行経路Ｒ２１、Ｒ２２の走行にかかる燃料消費量α２１、α２２をそれぞれ求める。
【００５１】
次に、ＣＰＵ２１ａは、推論した燃料消費量α１１、α１２のうち最も少ない燃料消費量α1minと、推論した燃料消費量α２１、α２２のうち最も少ない燃料消費量α2minとを加算した値を推論燃料消費量とする。次に、ＣＰＵ２１ａは、消費量送信手段として働き、ステップＳ１３において求めた推論燃料消費量を中央管理装置１０に対して送信する（図５（ｄ１）〜（ｄ３）、図６のステップＳ１４）。
【００５２】
中央管理装置１０は、全配送可能車Ｂ、Ｄ、Ｅから上述した推論燃料消費量を受信すると、支援手段として働き、受信した推論燃料消費量のうち最も少ない推論燃料消費量を送信してきた配送車である最小燃料消費車（本実施形態では例えば配送車Ｂ）に対して、配送先Ｐ１を経由して、荷物Ｘｋｇを積載して、配送先Ｐ２まで配送する配送命令を送信し（図６（ｅ１）参照）、最小燃料消費車以外の配送車Ａ、Ｃ、Ｄ、Ｅに対して配送不要を送信する（図６（ｅ２）〜（ｅ５）参照）。
【００５３】
配送命令を受信すると（図６のステップＳ１５でＹ）、ナビゲーション装置２０内のＣＰＵ２１ａは、支援手段として働き、配送先Ｐ１、配送先Ｐ２とする経路案内をスタートする（図６のステップＳ１６）。このとき、現在位置から配送先Ｐ１までの経路としては、例えば、推論した燃料消費量α１１、α１２のうち、α１１が最小であれば経路Ｒ１１を案内し、α１２が最小であれば経路Ｒ１２を案内する。
【００５４】
同様に、配送先Ｐ１から配送先Ｐ２までの経路としては、例えば、推論した燃料消費量α２１、α２２のうち、α２１が最小であれば経路Ｒ２１を案内し、α２２が最小であれば経路Ｒ２２を案内する。これに対して、配送不要を受信すると（図６のステップＳ１７、Ｓ１８でＹ）、ナビゲーション装置２０は、直ちにステップＳ１０に戻る。
【００５５】
本実施形態における学習・推論では、ファジィ化ニューロを用いている。ファジィ化ニューロとは、従来のニューラルネットワークとファジィ推論との互いの長所を融合させたものである。このファジィ化ニューロは、ファジィ推論において一般的に用いられている台形状のメンバーシップ関数（以下、ＭＦ）というフィルタ関数と、重みｗを持った素子を基本構成要素としている。このＭＦは、図３に示すように、入力データの度数分布を正規分布に近似することにより表現している。
【００５６】
図３にファジィ化ニューロのネットワーク構成を示す。基本的なネットワーク構成としては、正規化テーブルＮＴ１〜ＮＴ３からなる入力部、パターンセットＰＳ１〜ＰＳ３、パターンテーブルＰＴ１及びＰＴ２の３層構造からなる前段部と、パターンセットＰＳ４及びＰＳ５、正規化テーブルＮＴ４の２層構造からなり、前段部を反転させたような後段部とからなっている。入力部では、入力データはそれぞれ正規化テーブルＮＴ１〜ＮＴ３にて正規化データに変換される。正規化された各入力データはそれぞれＭＦに入力され、そこで合致度に変換される。
【００５７】
次段のパターンセットＰＳ１〜ＰＳ３は、ＭＦの集合体で構成され、各ＭＦにより得られた合致度を、重みを用いて合成したものを出力とする。出力部のパターンテーブルＰＴ１及びＰＴ２では、複数のパターンセットＰＳ１〜ＰＳ３から出力される合致度の中で最大のものを後段部へ出力する。後段部において、パターンセットＰＳ４及びＰＳ５では、パターンテーブルＰＴ１及びＰＴ２からの出力のうち、閾値を超えたものが出力され、その合致度によってリンク上のＭＦを変形し、後段の正規化テーブルＮＴ４に伝達する。正規化テーブルＮＴ４においては、伝達されたＭＦ形状を合成したものの重心を取るなどしてデ・ファジィ化して、教示された出力データと等価な次元を持つ連続値に変換する。
【００５８】
また、学習手段として働く、学習処理では、学習データ作成処理により作成された現走行経路情報Ｒｐ、渋滞情報Ｔｐ、現自重情報Ｗｐを入力とし、単位走行当たりの現燃料消費量である燃費情報αｐを教師信号として、メンバーシップ関数の形状変更やパターンセットの自動生成を行うが、このファジィ化ニューロでは１件の教師信号ごとに学習するのではなく、一定数蓄積後にまとめて学習するため、高速学習が可能となっている。
【００５９】
上述した配送指示システムによれば、複数の配送車Ａ〜Ｅのうち最も燃料消費量を使わずに配送先Ｐ１、Ｐ２まで到達できる配送車に、配送車Ｐ１、Ｐ２への配送指示を行うことができ、燃料消費量の低減を図った運転支援を行うことができる。
【００６０】
また、上述した配送指示システムによれば、走行中に行われる学習により走行経路と燃料消費量との関係を得ることができ、予め走行経路と燃料消費量との関係を示すマップを作成する必要がなく、コストダウンを図ると共に、車両を選ばずに搭載することができる。
【００６１】
また、上述した配送指示システムによれば、地図データ上の走行経路情報Ｒを入力とし、燃料消費量αを出力とする学習を行うことにより、正確に走行経路の走行によって車両が消費する燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行うことができる。
【００６２】
また、上述した配送指示システムによれば、現渋滞情報Ｔを入力とした学習・推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行うことができる。
【００６３】
なお、上述した第１実施形態では、図３に示すように、走行経路情報Ｒ、渋滞情報Ｔ、自重情報Ｗを入力として、燃費情報αを出力とした学習、推論に基づいて、例えば図７に示す経路Ｒ１１、Ｒ１２、Ｒ２１、Ｒ２２を走行したときに消費する燃料消費量α１１、α１２、α２１、α２２を求めていた。しかしながら、例えば、走行経路や渋滞状況によって車両の速度が変動し、この速度の変動に応じて燃費が変動することに着目し、走行経路情報Ｒの代わりに車両の速度ｖを入力として、学習・推論することも考えられる。
【００６４】
具体的には、図４に示す学習データ作成処理において、ＣＰＵ２１ａは、速度検出手段として働き、速度センサからの速度パルスに基づいて現速度ｖｐを求め、走行経路情報Ｒｐとして現速度ｖｐを入力データＩｗとして、学習を行う。次に、例えば図７に示す走行経路Ｒ１、Ｒ２から構成される経路Ｒ１１を走行したときに消費する燃料消費量α１１の推定方法について説明する。ナビゲーション装置２０内のＣＰＵ２１ａは、入力手段として働き、走行経路Ｒ１、Ｒ２の制限速度や、走行経路Ｒ１、Ｒ２上での渋滞情報などに基づいて、走行経路Ｒ１、Ｒ２の走行における平均速度ｖ１、ｖ２を推測する。この平均速度ｖ１、ｖ２を走行経路Ｒ１、Ｒ２の代わりに入力して、以下同様に推論を行う。
【００６５】
このように、走行経路を走行しているときの速度を走行経路情報として、学習・推論することにより、車両の現在位置を検出するためのＧＰＳや地図データを使わなくても簡単に、正確な燃料消費量を推論することができ、安価にかつ確実に燃料消費量の低減を図った運転支援を行ことができる。
【００６６】
さらに、現渋滞情報を考慮した車両速度を走行経路情報として入力して、推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行うことができる。
【００６７】
また、上述した第１実施形態では、走行経路Ｒ、渋滞情報Ｔ、自重情報Ｗを入力として、単位距離当たりの燃料消費量αを出力とした学習、推論を行っていた。しかしながら、例えば、走行経路情報Ｒ、渋滞情報Ｔ、自重情報Ｗに加えて例えば運転者Ｄを入力して、学習、推論を行うことが考えられる。運転者には予め番号Ｄ１、Ｄ２…などが割り振られており、運転者に割り振られた番号を運転者Ｄとして入力する。これにより、運転者個人個人の運転技量も反映することができる。
【００６８】
第２実施形態
次に、第２実施形態における本発明の運転支援システム組み込んだナビゲーション装置を、図面に基づいて説明する。第２実施形態におけるナビゲーション装置の構成は、図２について、すでに上述した配送指示システムに組み込まれたナビゲーション装置と同等のため、詳細な説明は省略する。
【００６９】
ナビゲーション装置２０を構成するＣＰＵ２１ａは、第１実施形態と同様に、図３に示すようなファジィ化ニューロネットワークに従って、走行経路情報Ｒ、渋滞情報Ｔ、自重情報Ｗを入力データとし、単位距離（例えば１００ｍ）当たりの燃料消費量αを出力データとした推論・学習を行うようになっている。
【００７０】
まず、ナビゲーション装置２０は、上述した学習を行うため、第１実施形態と同様に、図４に示すような学習データ作成処理を実行する。
【００７１】
次に、現在位置から目的地Ｐ１までの走行経路を案内するナビゲーション装置の動作について説明する。まず、ナビゲーション装置２０は、一定期間毎に、ナビゲーション処理を行う。このナビゲーション処理におけるＣＰＵ２１ａの処理手順について、図８を参照して以下説明する。
【００７２】
先ずＣＰＵ２１ａは、検索手段として働き、現在位置Ｐｏから目的地Ｐ１までの走行経路を地図記憶部２５内の地図データから検索する（ステップＳ２０）。このとき、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２に含まれる道路規制情報から通行禁止箇所を検出し、通行禁止箇所を通る経路は除くように経路検索が行われる。次に、ＣＰＵ２１ａは、検索した複数の走行経路の走行によって車両が消費する燃料消費量を推論する（ステップＳ２１）。この燃料消費量の推論については、図７について上述した第１実施形態と同様に行うため、ここでは詳細な説明は省略する。
【００７３】
次に、推論した複数の走行経路に対する燃料消費量のうち、最小の燃料消費量に対する走行経路を案内し（ステップＳ２２）、その後、案内する経路をＤＯＰＡ網を経由して、事務所側に送信する（ステップＳ２３）。
【００７４】
以上のナビゲーション装置によれば、複数検索した走行経路のうち、最も燃料消費量が少ない走行経路を走行するように指示、案内するため、燃料消費量の低減を図った運転支援を行うことができる。
【図面の簡単な説明】
【００７５】
【図１】本発明の運転支援システムを組み込んだ配送指示システムの一実施形態を示すブロック図である。
【図２】図２の配送指示システムを構成するナビゲーション装置の詳細な電気構成図である。
【図３】本実施形態の学習・推論で用いられるファジ化ニューロネットワークの一例である。
【図４】図３のナビゲーション装置を構成するＣＰＵ２１ａの学習データ作成処理における処理手順を示すフローチャートである。
【図５】中央管理装置１０−配送車Ａ〜Ｅ間で行われる信号、情報の授受を説明するための図である。
【図６】図３のナビゲーション装置を構成するＣＰＵ２１ａのナビゲーション処理における処理手順を示すフローチャートである。
【図７】走行経路Ｒ１１、Ｒ１２、Ｒ２１、Ｒ２２の走行によって車両が消費する燃料消費量の推論を説明するための図である。
【図８】第２実施形態における図３のナビゲーション装置を構成するＣＰＵ２１ａのナビゲーション処理における処理手順を説明するためのフローチャートである。
【符号の説明】
【００７６】
１０ 中央管理装置（支援手段）
２１ａ ＣＰＵ（走行経路情報検出手段、渋滞情報検出手段、燃費情報検出手段、自重検出手段、推論手段、消費量送信手段、学習手段、速度検出手段）
２５ 地図記憶部（地図データ記憶手段）
Ａ〜Ｅ 配送車
【技術分野】
【０００１】
本発明は、運転支援システム、ナビゲーション装置及び配送指示システムに関するものである。
【背景技術】
【０００２】
車両の運転を支援する装置としては、例えば、走行経路を案内するナビゲーション装置や、複数の配送車に対して配送先を指示する配送指示システムがある。上述した従来のナビゲーション装置は、車両の現在位置から設定された目的地又は経由地までの走行経路を複数検索し、検索した複数の走行経路のうち、最も短時間又は最も短距離で目的地又は経由地まで到着できる走行経路を走行するように支援している。
【０００３】
また、上述した配送指示システムにおいて、複数の配送車と通信可能な中央管理装置は、複数の配送車の各現在位置に基づき、配送先に最も短時間又は最も短距離で到着できる配送車に対して、その配送先へ行くように支援している。
【発明の開示】
【発明が解決しようとする課題】
【０００４】
ところで、配送業者において、配送車の燃料消費量は配送コストに反映することになるから、配送コストを下げるために、なるべく走行にかかる燃料消費量を減らしたいという要望があった。しかしながら、上述したナビゲーション装置や配送指示システムでは何れも短時間又は短距離で目的地（配送先）に到着する走行経路や配送車を優先している。このため、従来のナビゲーション装置や配送指示システムでは、燃料消費量の低減を図るような運転支援を行うことができないという問題があった。
【０００５】
そこで、本発明は、上記のような問題点に着目し、燃料消費量の低減を図った運転支援を行う運転支援システム、当該運転支援システムを用いたナビゲーション装置及び当該運転支援システムを用いた配送指示システムを提供することを課題とする。
【課題を解決するための手段】
【０００６】
上述した課題を解決するためになされた請求項１記載の発明は、走行経路の走行によって車両が消費する燃料消費量を推論する推論手段と、該推論手段が推論した燃料消費量に基づいて、運転支援する支援手段とを備えたことを特徴とする運転支援システムに存する。
【０００７】
請求項１記載の発明によれば、推論手段が走行経路の走行によって車両が消費する燃料消費量を推論する。支援手段が推論手段によって推論された燃料消費量に基づいて、運転支援する。従って、推論手段が推論した走行経路の走行によって車両が消費する燃料消費量に基づいて、運転支援することにより、燃料消費量の低減を図った運転支援を行うことができる。
【０００８】
請求項２記載の発明は、請求項１記載の運転支援システムであって、前記推論手段は、前記車両が走行している走行経路に関する走行経路情報を検出する走行経路情報検出手段と、前記車両の燃費情報を検出する燃費情報検出手段と、前記検出された現走行経路情報を入力とし、前記検出された現燃費情報を出力とする学習を行う学習手段とを有し、前記学習手段が行った学習結果を用いて、前記走行経路情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システムに存する。
【０００９】
請求項２記載の発明によれば、推論手段において、走行経路情報検出手段が車両の走行している走行経路に関する走行経路情報を検出し、燃費情報検出手段が車両の燃費情報を検出し、学習手段が検出された現走行経路情報を入力とし、検出された現燃費情報を出力とする学習を行い、学習手段が行った学習結果を用いて、走行経路情報を入力とし、燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行う。従って、走行経路情報検出手段及び燃費検出手段による検出結果を用いて、走行経路情報を入力とし、燃費情報を出力とした学習が行われ、その学習結果を用いて燃料消費量の推論が行われる。つまり、走行中に行われる学習により走行経路情報と燃費情報との関係を得ることができ、予め走行経路情報と燃費情報との関係を示すマップを作成する必要がない。
【００１０】
請求項３記載の発明は、請求項２記載の運転支援システムであって、前記走行経路情報検出手段は、前記車両の現在位置を検出する現在位置検出手段と、地図データを記憶する地図データ記憶手段とを有し、前記検出された現在位置に対する地図データ上の経路を前記走行経路情報として検出することを特徴とする運転支援システムに存する。
【００１１】
請求項３記載の発明によれば、走行経路情報検出手段において、現在位置検出手段が車両の現在位置を検出し、検出された現在位置に対する地図データ上の経路を走行経路情報として検出する。従って、地図データ上の経路を入力とし、燃費情報を出力とする学習を行うことにより、正確に走行経路の走行によって車両が消費する燃料消費量を推論することができる。
【００１２】
請求項４記載の発明は、請求項２又は３記載の運転支援システムであって、前記推論手段は、道路の渋滞情報を検出する渋滞情報検出手段をさらに備え、前記学習手段は、前記検出された現走行経路情報及び前記検出された現渋滞情報を入力とし、前記検出された現燃費情報を出力とする学習を行い、前記推論手段は、前記走行経路情報及び前記渋滞情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システムに存する。
【００１３】
請求項４記載の発明によれば、推論手段において、渋滞情報検出手段が道路の渋滞情報を検出し、学習手段が検出された現走行経路情報及び検出された現渋滞情報を入力とし、検出された現燃費情報を出力とする学習を行い、走行経路情報及び渋滞情報を入力とし、燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行う。従って、現渋滞情報を入力とした学習・推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができる。
【００１４】
請求項５記載の発明は、請求項２記載の運転支援システムであって、前記走行経路情報検出手段は、前記車両の速度を検出する速度検出手段を有し、前記検出された車両の現速度を前記走行経路情報として検出することを特徴とする運転支援システムに存する。
【００１５】
請求項５記載の発明によれば、走行経路の走行によって車両が消費する燃料消費量は、その走行経路を走行するときの速度に応じていることに着目し、走行経路情報検出手段において、速度検出手段が車両の速度を検出し、検出された車両の現速度を走行経路情報として検出する。従って、走行経路を走行しているときの速度を走行経路情報として、学習・推論することにより、車両の現在位置を検出するためのＧＰＳや地図データを使わなくても簡単に、正確な燃料消費量を推論することができる。
【００１６】
請求項６記載の発明は、請求項５記載の運転支援システムであって、道路の渋滞情報を検出する渋滞情報検出手段と、燃料消費量を求めたい走行経路及び当該走行経路上の前記渋滞情報に対応した車両速度を前記走行経路情報として、前記推論手段に入力する入力手段とをさらに備え、前記推論手段は、前記入力手段の入力に対して推論された燃費情報に基づいて、前記燃料消費量を推論することを特徴とする運転支援システムに存する。
【００１７】
請求項６記載の発明によれば、渋滞情報検出手段が道路の渋滞情報を検出する。入力手段が燃料消費量を求めたい走行経路及びその走行経路上の渋滞情報に対応した車両速度を走行経路情報として、推論手段に入力する。推論手段が入力に対して推論された燃費情報に基づいて、燃料消費量を推論する。従って、現渋滞情報を考慮した車両速度を走行経路情報として入力して、推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができる。
【００１８】
請求項７記載の発明は、請求項１〜６何れか１項記載の運転支援システムを用いたナビゲーション装置であって、車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索する検索手段をさらに備え、前記推論手段は、前記検索手段によって検索された複数の走行経路に対する燃料消費量を推論し、前記支援手段は、前記推論手段が推論した前記複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示することを特徴とするナビゲーション装置に存する。
【００１９】
請求項７記載の発明によれば、検索手段が車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索する。推論手段が検索手段によって検索された複数の走行経路に対する燃料消費量を推論する。支援手段が推論手段によって推論された複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示する。従って、複数検索した走行経路のうち、最も燃料消費量が少ない走行経路を走行するように指示することができる。
【００２０】
請求項８記載の発明は、請求項１〜６何れか１項記載の運転支援システムが備えた推論手段を搭載した複数の配送車と、該複数の配送車と通信可能であり、請求項１〜６何れか１項記載の運転支援システムが備えた支援手段が設置された中央管理装置とから構成され、前記複数の配送車に配送支援を行うための配送指示システムであって、前記推論手段は、前記推論された走行経路に対する燃料消費量を前記中央管理装置に送信する消費量送信手段を有し、前記支援手段は、前記各配送車の現在位置から所定の配送先までの走行経路に対する燃料消費量の推論命令を送信する推論命令送信手段を有し、該推論命令に応じて前記消費量送信手段によって送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、前記所定の配送先に行くように指示することを特徴とする配送指示システムに存する。
【００２１】
請求項８記載の発明によれば、中央管理装置内の支援手段において、推論命令送信手段が各配送車の現在位置から所定の配送先までの走行経路に対する燃料消費量の推論命令を送信する。推論命令に応じて、各配送車に搭載された推論手段が現在位置から所定の配送先までの走行経路に対する燃料消費量を推論し、消費量送信手段が推論された走行経路に対する燃料消費量を中央管理装置に送信する。中央管理装置内の支援手段は推論命令に応じて消費量送信手段から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、その燃料消費量に対する走行経路を走行して所定の配送先に行くように指示する。従って、複数の配送車のうち最も燃料消費量を使わずに所定の配送先まで到達できる配送車に、所定の配送車への配送指示を行うことができる。
【００２２】
請求項９記載の発明は、請求項８記載の配送指示システムであって、前記複数の配送車には各々、自重情報を検出する自重検出手段と、該検出した自重情報を前記中央管理装置に送信する自重送信手段とを有し、前記中央管理装置は、前記各配送車から送信された自重情報に基づき、前記所定の配送先で荷物を積載すると、積載超過となる配送車を検出する積載超過検出手段を有し、前記支援手段は、前記積載超過検出手段により積載超過であると検出された配送車を除いた配送車から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して前記所定の配送先に行くように指示することを特徴とする配送指示システムに存する。
【００２３】
請求項９記載の発明によれば、自重送信手段が自重検出手段によって検出された自重情報を中央管理装置に送信する。中央管理装置において、積載超過検出手段が各配送車から送信された自重情報に基づき、所定の配送先で荷物を積載すると積載超過となる配送車を検出し、支援手段が積載超過検出手段により積載超過であると検出された配送車を除いた配送車から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、当該燃料消費量に対する走行経路を走行して所定の配送先に行くように指示する。従って、積載超過しないように配送指示することができる。
【発明の効果】
【００２４】
以上説明したように請求項１記載の発明によれば、推論手段が推論した走行経路の走行によって車両が消費する燃料消費量に基づいて、運転支援することにより、燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２５】
請求項２記載の発明によれば、走行経路情報検出手段及び燃費検出手段による検出結果を用いて、走行経路情報を入力とし、燃費情報を出力とした学習が行われ、その学習結果を用いて燃料消費量の推論が行われる。つまり、走行中に行われる学習により走行経路情報と燃費情報との関係を得ることができ、予め走行経路情報と燃費情報との関係を示すマップを作成する必要がないので、コストダウンを図ると共に、車両を選ばずに搭載することができる運転支援システムを得ることができる。
【００２６】
請求項３記載の発明によれば、地図データ上の経路を入力とし、燃費情報を出力とする学習を行うことにより、正確に走行経路の走行によって車両が消費する燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２７】
請求項４記載の発明によれば、現渋滞情報を入力とした学習・推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２８】
請求項５記載の発明によれば、走行経路を走行しているときの速度を走行経路情報として、学習・推論することにより、車両の現在位置を検出するためのＧＰＳや地図データを使わなくても簡単に、正確な燃料消費量を推論することができるので、安価にかつ確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００２９】
請求項６記載の発明によれば、現渋滞情報を考慮した車両速度を走行経路情報として入力して、推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行う運転支援システムを得ることができる。
【００３０】
請求項７記載の発明によれば、複数検索した走行経路のうち、最も燃料消費量が少ない走行経路を走行するように指示することができるので、燃料消費量の低減を図った運転支援を行うナビゲーション装置を得ることができる。
【００３１】
請求項８記載の発明によれば、複数の配送車のうち最も燃料消費量を使わずに所定の配送先まで到達できる配送車に、所定の配送車への配送指示を行うことができるので、燃料消費量の低減を図った運転支援を行う配送指示システムを得ることができる。
【００３２】
請求項９記載の発明によれば、積載超過しないように配送指示することができる配送指示システムを得ることができる。
【発明を実施するための最良の形態】
【００３３】
第１実施形態
以下、本発明の運転支援システム、ナビゲーション装置及び配送指示システムを、図面に基づいて説明する。本発明の配送指示システムは、荷物の回収、配達を行う配送業務に用いられるものであり、事務所側から複数の配送車Ａ〜Ｅに対して燃料消費低減を考慮した配送指示を行うシステムである。図１は、本発明の配送指示システムの一実施形態を示すブロック図である。同図に示すように、本発明の配送指示システムは、事務所側に設置されたパーソナルコンピュータなどの中央管理装置１０と、この中央管理装置１０とＤＯＰＡ網のような無線通信網でつながっており、複数の配送車Ａ〜Ｅにそれぞれ搭載されたナビゲーション装置２０とから構成されている。
【００３４】
上述したナビゲーション装置２０の詳細な電気構成図について、図２を参照して以下説明する。同図に示すように、ナビゲーション装置２０内に備えられたマイクロコンピュータ（以下μＣＯＭ）２１には、燃料が例えば１ｃｃ消費される毎に出力される燃料パルスＰｆが供給されている。
【００３５】
上述したμＣＯＭ２１にはまた、全地球測位システム（Global Positioning System）を構成する人工衛星からの測位信号Ｓ１をＧＰＳアンテナＡＴ１を用いて受信するＧＰＳレシーバ２２と、道路交通情報通信システム（Vehicle Information and Communication System）を構成するＶＩＣＳセンタからの渋滞情報、道路規制情報などを含む道路情報Ｓ２をＶＩＣＳアンテナＡＴ２を用いて受信するＶＩＣＳレシーバ２３と、車両の重量を計測して、自重情報Ｗを出力する自重計２４とが接続され、上述した測位信号Ｓ１、道路情報Ｓ２及び自重情報Ｗがそれぞれ供給されている。
【００３６】
μＣＯＭ２１にはまた、地図データが格納された地図記憶部２５（＝地図データ記憶手段）と、液晶ディスプレイなどの表示器２６と、ＤＯＰＡ網を経由して事務所側に設置された中央管理装置１０と通信を行うためのＤＯＰＡ通信部２７とが接続されている。
【００３７】
μＣＯＭ２１は、プログラムに従って各種の処理を行う中央処理ユニット（ＣＰＵ）２１ａ、ＣＰＵ２１ａが行う処理のプログラムなどを格納した読み出し専用メモリであるＲＯＭ２１ｂ、ＣＰＵ２１ａでの各種の処理過程で利用するワークエリア、各種データを格納するデータ格納エリアなどを有する読み出し書き込み自在のメモリであるＲＡＭ２１ｃなどを内蔵している。
【００３８】
上述した構成の配送指示システムの動作について、図３〜図７を参照して以下説明する。ＣＰＵ２１ａは、図３に示すようなファジィ化ニューロネットワークに従って、走行経路情報Ｒ、渋滞発生箇所、渋滞距離、渋滞通過時間を含んだ渋滞情報Ｔ、自重情報Ｗを入力データとし、単位距離（例えば１００ｍ）当たりの燃料消費量α（＝燃費情報）を出力データとした推論・学習を行うようになっている。なお、地図データ上において走行経路には予め番号Ｒ１、Ｒ２…などが割り振られており、車両が走行した経路に割り振られた番号を走行経路情報Ｒとして入力する。
【００３９】
まず、ナビゲーション装置２０内のＣＰＵ２１ａは、上述した学習を行うため、例えば１００ｍといった一定距離走行する毎に、学習データ作成処理を実行する。この学習データ作成処理におけるＣＰＵ２１ａの処理手順を図４のフローチャートを参照して以下説明する。ステップＳ１において、ＣＰＵ２１ａは、走行経路情報検出手段として働き、ＧＰＳレシーバ２２が受信した測位信号Ｓ１から現在位置を求め、求めた現在位置と地図記憶部２５に記憶された地図データとから現走行経路情報Ｒｐを検出する。
【００４０】
また、ＣＰＵ２１ａは、渋滞情報検出手段として働き、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２から現渋滞情報Ｔｐを検出する。さらに、ＣＰＵ２１ａは、燃費情報検出手段として働き、燃料パルスＰｆから現在の１００ｍ当たりの燃料消費量αｐ（ｃｃ）を検出し、自重情報検出手段として働き、自重計２４から現自重情報Ｗｐを検出する。
【００４１】
ステップＳ２においてＣＰＵ２１ａは、下記に示すように、検出した現走行経路情報Ｒｐ、現渋滞情報Ｔｐ、現自重情報Ｗｐを入力データＩｗとし、現燃費情報αｐを出力データＯｗ（教師信号）とした学習データを作成する。
Ｉｗ＝（Ｒｐ、Ｔｐ、Ｗｐ）
Ｏｗ＝（αｐ）
【００４２】
また、事務所側で配送先Ｐ１でＸｋｇの荷物を積載した配送先Ｐ２まで配達する仕事が新たに加わった時の配送指示システムの動作について、図５〜図７を参照して説明する。まず、中央管理装置１０は、無線通信網であるＤＯＰＡ網を介して各配送車Ａ〜Ｅに対して、自重情報Ｗ、走行可能距離情報Ｌａ、現在位置情報Ｐｏの送信を要求する（図５（ａ１）〜（ａ５）参照）。
【００４３】
ナビゲーション装置２０内のＣＰＵ２１ａは、中央管理装置１０から自重情報Ｗ、走行可能距離情報Ｌａ、現在位置情報Ｐｏの送信要求を受信すると（図６のステップＳ１０でＹ）、自重計２４からの現自重情報Ｗｐ、燃料残量からおおよそ求められる現走行可能距離情報Ｌａｐ、測位信号Ｓ１から求めた現在位置情報Ｐｏを中央管理装置１０に対して送信する（図５（ｂ１）〜（ｂ５）、図６のステップＳ１１参照）。以上のことから明らかなようにＣＰＵ２１ａは、自重送信手段として働く。
【００４４】
中央管理装置１０は、全配送車Ａ〜Ｅからの現自重情報Ｗｐ、現走行可能距離情報Ｌａｐ、現在位置情報Ｐｏを受信すると、積載超過検出手段として働き、各配送車Ａ〜Ｅの現自重情報Ｗｐに基づいてＸｋｇを積載すると積載超過となる配送車と、走行可能距離情報Ｌａ、現在位置情報Ｐｏに基づいて配送先Ｐ１を経由して、配送先Ｐ２まで到着できない配送車とを検出して、配送不可車（本実施形態では配送車Ａ、Ｃとする）とする。次に、中央管理装置１０は、推論命令送信手段として働き、配送不可車Ａ、Ｃ以外の配送可能車Ｂ、Ｄ、Ｅに対して、現在位置から配送先Ｐ１で積載量Ｘを積載した後、配送先Ｐ２に到達するまでに消費する燃料消費量の推論命令を送信する（図５（ｃ１）〜（ｃ３）参照）。
【００４５】
ナビゲーション装置２０内のＣＰＵ２１ａは、推論命令を受信すると（図６のステップＳ１２でＹ）、推論手段として働き、現在位置Ｐｏから配送先Ｐ１で積載量Ｘｋｇの荷物を積載した後、配送先Ｐ２に到着するまでに消費する燃料消費量を推定する（図６のステップＳ１３）。
【００４６】
推定において、ＣＰＵ２１ａはまず図３に示すようなニューロネットワークへの入力データを作成する。入力データ作成において、先ずＣＰＵ２１ａは、検索手段として働き、現在位置Ｐｏから配送先Ｐ１までの走行経路を地図記憶部２５内の地図データから検索する。このとき、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２に含まれる道路規制情報から通行禁止箇所を検出し、通行禁止箇所を通る経路は除くように経路検索が行われる。その後、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２から現渋滞情報Ｔｐを求める。
【００４７】
例えば、図７に示すように現在位置Ｐｏから走行経路Ｒ１→Ｒ２を通って配送先Ｐ１に至る経路Ｒ１１と、走行経路Ｒ１→Ｒ３→Ｒ２を経由して配送先Ｐ１に至る経路Ｒ１２との複数の経路を検索した場合、それぞれの経路Ｒ１１、Ｒ１２を構成する走行経路Ｒ１、Ｒ２、Ｒ３と、現渋滞情報Ｔｐ及び現自重情報Ｗｐとを組み合わせた複数パターンの入力データＩ１、Ｉ２、Ｉ３を生成する。
Ｉ１＝（Ｒ１、Ｔｐ、Ｗｐ）
Ｉ２＝（Ｒ１、Ｔｐ、Ｗｐ）
Ｉ３＝（Ｒ３、Ｔｐ、Ｗｐ）
【００４８】
同様にＣＰＵ２１ａは、配送先Ｐ１から配送先Ｐ２までの走行経路を地図情報記憶部２５内の地図データから検索する（通行禁止箇所を通る経路は除く）。例えば、図７に示すように配送先Ｐ１から走行経路Ｒ４→Ｒ５を経由して配送先Ｐ２に至る経路Ｒ２１と、走行経路Ｒ６を経由して配送先Ｐ２に至る経路Ｒ２２との２つの走行経路を検索した場合、それぞれの経路Ｒ２１、Ｒ２２を構成する走行経路Ｒ４、Ｒ５、Ｒ６と、現渋滞情報Ｔｐ及び現自重情報Ｗｐに積載量Ｘを加算した値とを組み合わせた複数パターンの入力データＩ４、Ｉ５、Ｉ６を生成する。
Ｉ４＝（Ｒ４、Ｔｐ、Ｗｐ＋Ｘ）
Ｉ５＝（Ｒ５、Ｔｐ、Ｗｐ＋Ｘ）
Ｉ６＝（Ｒ６、Ｔｐ、Ｗｐ＋Ｘ）
【００４９】
次に、ＣＰＵ２１ａは、図３に示すようなネットワークに、生成した入力データＩ１〜Ｉ６を入力して、入力データＩ１〜Ｉ６に対する燃料消費量α１〜α６を推論する推論処理を行う。
【００５０】
ここで推論された燃料消費量α１〜α６は各経路Ｒ１〜Ｒ６を単位距離走行する毎に消費される燃料消費量の推定値に相当する。この燃料消費量α１〜α６に、経路Ｒ１１、Ｒ１２における走行経路Ｒ１〜Ｒ３の距離を乗じて、走行経路Ｒ１１、Ｒ１２の走行にかかる燃料消費量α１１、α１２をそれぞれ求める（例えば、経路Ｒ１１が、ｙｍの走行経路Ｒ１と、ｚｍの走行経路Ｒ２とから構成されていれば、経路Ｒ１１の走行にかかる燃料消費量α１１は、α１×ｙ＋α２×ｚ（ｃｃ）から求める。）また、燃料消費量α４〜α６に基づいて、走行経路Ｒ２１、Ｒ２２の走行にかかる燃料消費量α２１、α２２をそれぞれ求める。
【００５１】
次に、ＣＰＵ２１ａは、推論した燃料消費量α１１、α１２のうち最も少ない燃料消費量α1minと、推論した燃料消費量α２１、α２２のうち最も少ない燃料消費量α2minとを加算した値を推論燃料消費量とする。次に、ＣＰＵ２１ａは、消費量送信手段として働き、ステップＳ１３において求めた推論燃料消費量を中央管理装置１０に対して送信する（図５（ｄ１）〜（ｄ３）、図６のステップＳ１４）。
【００５２】
中央管理装置１０は、全配送可能車Ｂ、Ｄ、Ｅから上述した推論燃料消費量を受信すると、支援手段として働き、受信した推論燃料消費量のうち最も少ない推論燃料消費量を送信してきた配送車である最小燃料消費車（本実施形態では例えば配送車Ｂ）に対して、配送先Ｐ１を経由して、荷物Ｘｋｇを積載して、配送先Ｐ２まで配送する配送命令を送信し（図６（ｅ１）参照）、最小燃料消費車以外の配送車Ａ、Ｃ、Ｄ、Ｅに対して配送不要を送信する（図６（ｅ２）〜（ｅ５）参照）。
【００５３】
配送命令を受信すると（図６のステップＳ１５でＹ）、ナビゲーション装置２０内のＣＰＵ２１ａは、支援手段として働き、配送先Ｐ１、配送先Ｐ２とする経路案内をスタートする（図６のステップＳ１６）。このとき、現在位置から配送先Ｐ１までの経路としては、例えば、推論した燃料消費量α１１、α１２のうち、α１１が最小であれば経路Ｒ１１を案内し、α１２が最小であれば経路Ｒ１２を案内する。
【００５４】
同様に、配送先Ｐ１から配送先Ｐ２までの経路としては、例えば、推論した燃料消費量α２１、α２２のうち、α２１が最小であれば経路Ｒ２１を案内し、α２２が最小であれば経路Ｒ２２を案内する。これに対して、配送不要を受信すると（図６のステップＳ１７、Ｓ１８でＹ）、ナビゲーション装置２０は、直ちにステップＳ１０に戻る。
【００５５】
本実施形態における学習・推論では、ファジィ化ニューロを用いている。ファジィ化ニューロとは、従来のニューラルネットワークとファジィ推論との互いの長所を融合させたものである。このファジィ化ニューロは、ファジィ推論において一般的に用いられている台形状のメンバーシップ関数（以下、ＭＦ）というフィルタ関数と、重みｗを持った素子を基本構成要素としている。このＭＦは、図３に示すように、入力データの度数分布を正規分布に近似することにより表現している。
【００５６】
図３にファジィ化ニューロのネットワーク構成を示す。基本的なネットワーク構成としては、正規化テーブルＮＴ１〜ＮＴ３からなる入力部、パターンセットＰＳ１〜ＰＳ３、パターンテーブルＰＴ１及びＰＴ２の３層構造からなる前段部と、パターンセットＰＳ４及びＰＳ５、正規化テーブルＮＴ４の２層構造からなり、前段部を反転させたような後段部とからなっている。入力部では、入力データはそれぞれ正規化テーブルＮＴ１〜ＮＴ３にて正規化データに変換される。正規化された各入力データはそれぞれＭＦに入力され、そこで合致度に変換される。
【００５７】
次段のパターンセットＰＳ１〜ＰＳ３は、ＭＦの集合体で構成され、各ＭＦにより得られた合致度を、重みを用いて合成したものを出力とする。出力部のパターンテーブルＰＴ１及びＰＴ２では、複数のパターンセットＰＳ１〜ＰＳ３から出力される合致度の中で最大のものを後段部へ出力する。後段部において、パターンセットＰＳ４及びＰＳ５では、パターンテーブルＰＴ１及びＰＴ２からの出力のうち、閾値を超えたものが出力され、その合致度によってリンク上のＭＦを変形し、後段の正規化テーブルＮＴ４に伝達する。正規化テーブルＮＴ４においては、伝達されたＭＦ形状を合成したものの重心を取るなどしてデ・ファジィ化して、教示された出力データと等価な次元を持つ連続値に変換する。
【００５８】
また、学習手段として働く、学習処理では、学習データ作成処理により作成された現走行経路情報Ｒｐ、渋滞情報Ｔｐ、現自重情報Ｗｐを入力とし、単位走行当たりの現燃料消費量である燃費情報αｐを教師信号として、メンバーシップ関数の形状変更やパターンセットの自動生成を行うが、このファジィ化ニューロでは１件の教師信号ごとに学習するのではなく、一定数蓄積後にまとめて学習するため、高速学習が可能となっている。
【００５９】
上述した配送指示システムによれば、複数の配送車Ａ〜Ｅのうち最も燃料消費量を使わずに配送先Ｐ１、Ｐ２まで到達できる配送車に、配送車Ｐ１、Ｐ２への配送指示を行うことができ、燃料消費量の低減を図った運転支援を行うことができる。
【００６０】
また、上述した配送指示システムによれば、走行中に行われる学習により走行経路と燃料消費量との関係を得ることができ、予め走行経路と燃料消費量との関係を示すマップを作成する必要がなく、コストダウンを図ると共に、車両を選ばずに搭載することができる。
【００６１】
また、上述した配送指示システムによれば、地図データ上の走行経路情報Ｒを入力とし、燃料消費量αを出力とする学習を行うことにより、正確に走行経路の走行によって車両が消費する燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行うことができる。
【００６２】
また、上述した配送指示システムによれば、現渋滞情報Ｔを入力とした学習・推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行うことができる。
【００６３】
なお、上述した第１実施形態では、図３に示すように、走行経路情報Ｒ、渋滞情報Ｔ、自重情報Ｗを入力として、燃費情報αを出力とした学習、推論に基づいて、例えば図７に示す経路Ｒ１１、Ｒ１２、Ｒ２１、Ｒ２２を走行したときに消費する燃料消費量α１１、α１２、α２１、α２２を求めていた。しかしながら、例えば、走行経路や渋滞状況によって車両の速度が変動し、この速度の変動に応じて燃費が変動することに着目し、走行経路情報Ｒの代わりに車両の速度ｖを入力として、学習・推論することも考えられる。
【００６４】
具体的には、図４に示す学習データ作成処理において、ＣＰＵ２１ａは、速度検出手段として働き、速度センサからの速度パルスに基づいて現速度ｖｐを求め、走行経路情報Ｒｐとして現速度ｖｐを入力データＩｗとして、学習を行う。次に、例えば図７に示す走行経路Ｒ１、Ｒ２から構成される経路Ｒ１１を走行したときに消費する燃料消費量α１１の推定方法について説明する。ナビゲーション装置２０内のＣＰＵ２１ａは、入力手段として働き、走行経路Ｒ１、Ｒ２の制限速度や、走行経路Ｒ１、Ｒ２上での渋滞情報などに基づいて、走行経路Ｒ１、Ｒ２の走行における平均速度ｖ１、ｖ２を推測する。この平均速度ｖ１、ｖ２を走行経路Ｒ１、Ｒ２の代わりに入力して、以下同様に推論を行う。
【００６５】
このように、走行経路を走行しているときの速度を走行経路情報として、学習・推論することにより、車両の現在位置を検出するためのＧＰＳや地図データを使わなくても簡単に、正確な燃料消費量を推論することができ、安価にかつ確実に燃料消費量の低減を図った運転支援を行ことができる。
【００６６】
さらに、現渋滞情報を考慮した車両速度を走行経路情報として入力して、推論を行うことにより、渋滞を考慮した正確な燃料消費量を推論することができるので、より確実に燃料消費量の低減を図った運転支援を行うことができる。
【００６７】
また、上述した第１実施形態では、走行経路Ｒ、渋滞情報Ｔ、自重情報Ｗを入力として、単位距離当たりの燃料消費量αを出力とした学習、推論を行っていた。しかしながら、例えば、走行経路情報Ｒ、渋滞情報Ｔ、自重情報Ｗに加えて例えば運転者Ｄを入力して、学習、推論を行うことが考えられる。運転者には予め番号Ｄ１、Ｄ２…などが割り振られており、運転者に割り振られた番号を運転者Ｄとして入力する。これにより、運転者個人個人の運転技量も反映することができる。
【００６８】
第２実施形態
次に、第２実施形態における本発明の運転支援システム組み込んだナビゲーション装置を、図面に基づいて説明する。第２実施形態におけるナビゲーション装置の構成は、図２について、すでに上述した配送指示システムに組み込まれたナビゲーション装置と同等のため、詳細な説明は省略する。
【００６９】
ナビゲーション装置２０を構成するＣＰＵ２１ａは、第１実施形態と同様に、図３に示すようなファジィ化ニューロネットワークに従って、走行経路情報Ｒ、渋滞情報Ｔ、自重情報Ｗを入力データとし、単位距離（例えば１００ｍ）当たりの燃料消費量αを出力データとした推論・学習を行うようになっている。
【００７０】
まず、ナビゲーション装置２０は、上述した学習を行うため、第１実施形態と同様に、図４に示すような学習データ作成処理を実行する。
【００７１】
次に、現在位置から目的地Ｐ１までの走行経路を案内するナビゲーション装置の動作について説明する。まず、ナビゲーション装置２０は、一定期間毎に、ナビゲーション処理を行う。このナビゲーション処理におけるＣＰＵ２１ａの処理手順について、図８を参照して以下説明する。
【００７２】
先ずＣＰＵ２１ａは、検索手段として働き、現在位置Ｐｏから目的地Ｐ１までの走行経路を地図記憶部２５内の地図データから検索する（ステップＳ２０）。このとき、ＶＩＣＳレシーバ２３が受信した道路情報Ｓ２に含まれる道路規制情報から通行禁止箇所を検出し、通行禁止箇所を通る経路は除くように経路検索が行われる。次に、ＣＰＵ２１ａは、検索した複数の走行経路の走行によって車両が消費する燃料消費量を推論する（ステップＳ２１）。この燃料消費量の推論については、図７について上述した第１実施形態と同様に行うため、ここでは詳細な説明は省略する。
【００７３】
次に、推論した複数の走行経路に対する燃料消費量のうち、最小の燃料消費量に対する走行経路を案内し（ステップＳ２２）、その後、案内する経路をＤＯＰＡ網を経由して、事務所側に送信する（ステップＳ２３）。
【００７４】
以上のナビゲーション装置によれば、複数検索した走行経路のうち、最も燃料消費量が少ない走行経路を走行するように指示、案内するため、燃料消費量の低減を図った運転支援を行うことができる。
【図面の簡単な説明】
【００７５】
【図１】本発明の運転支援システムを組み込んだ配送指示システムの一実施形態を示すブロック図である。
【図２】図２の配送指示システムを構成するナビゲーション装置の詳細な電気構成図である。
【図３】本実施形態の学習・推論で用いられるファジ化ニューロネットワークの一例である。
【図４】図３のナビゲーション装置を構成するＣＰＵ２１ａの学習データ作成処理における処理手順を示すフローチャートである。
【図５】中央管理装置１０−配送車Ａ〜Ｅ間で行われる信号、情報の授受を説明するための図である。
【図６】図３のナビゲーション装置を構成するＣＰＵ２１ａのナビゲーション処理における処理手順を示すフローチャートである。
【図７】走行経路Ｒ１１、Ｒ１２、Ｒ２１、Ｒ２２の走行によって車両が消費する燃料消費量の推論を説明するための図である。
【図８】第２実施形態における図３のナビゲーション装置を構成するＣＰＵ２１ａのナビゲーション処理における処理手順を説明するためのフローチャートである。
【符号の説明】
【００７６】
１０ 中央管理装置（支援手段）
２１ａ ＣＰＵ（走行経路情報検出手段、渋滞情報検出手段、燃費情報検出手段、自重検出手段、推論手段、消費量送信手段、学習手段、速度検出手段）
２５ 地図記憶部（地図データ記憶手段）
Ａ〜Ｅ 配送車
【特許請求の範囲】
【請求項１】
走行経路の走行によって車両が消費する燃料消費量を推論する推論手段と、
該推論手段が推論した燃料消費量に基づいて、運転支援する支援手段とを備えたことを特徴とする運転支援システム。
【請求項２】
請求項１記載の運転支援システムであって、
前記推論手段は、前記車両が走行している走行経路に関する走行経路情報を検出する走行経路情報検出手段と、前記車両の燃費情報を検出する燃費情報検出手段と、前記検出された現走行経路情報を入力とし、前記検出された現燃費情報を出力とする学習を行う学習手段とを有し、前記学習手段が行った学習結果を用いて、前記走行経路情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システム。
【請求項３】
請求項２記載の運転支援システムであって、
前記走行経路情報検出手段は、前記車両の現在位置を検出する現在位置検出手段と、地図データを記憶する地図データ記憶手段とを有し、前記検出された現在位置に対する地図データ上の経路を前記走行経路情報として検出することを特徴とする運転支援システム。
【請求項４】
請求項２又は３記載の運転支援システムであって、
前記推論手段は、道路の渋滞情報を検出する渋滞情報検出手段をさらに備え、
前記学習手段は、前記検出された現走行経路情報及び前記検出された現渋滞情報を入力とし、前記検出された現燃費情報を出力とする学習を行い、
前記推論手段は、前記走行経路情報及び前記渋滞情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システム。
【請求項５】
請求項２記載の運転支援システムであって、
前記走行経路情報検出手段は、前記車両の速度を検出する速度検出手段を有し、前記検出された車両の現速度を前記走行経路情報として検出することを特徴とする運転支援システム。
【請求項６】
請求項５記載の運転支援システムであって、
道路の渋滞情報を検出する渋滞情報検出手段と、
燃料消費量を求めたい走行経路及び当該走行経路上の前記渋滞情報に対応した車両速度を前記走行経路情報として、前記推論手段に入力する入力手段とをさらに備え、
前記推論手段は、前記入力手段の入力に対して推論された燃費情報に基づいて、前記燃料消費量を推論することを特徴とする運転支援システム。
【請求項７】
請求項１〜６何れか１項記載の運転支援システムを用いたナビゲーション装置であって、
車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索する検索手段をさらに備え、
前記推論手段は、前記検索手段によって検索された複数の走行経路に対する燃料消費量を推論し、
前記支援手段は、前記推論手段が推論した前記複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示することを特徴とするナビゲーション装置。
【請求項８】
請求項１〜６何れか１項記載の運転支援システムが備えた推論手段を搭載した複数の配送車と、該複数の配送車と通信可能であり、請求項１〜６何れか１項記載の運転支援システムが備えた支援手段が設置された中央管理装置とから構成され、前記複数の配送車に配送支援を行うための配送指示システムであって、
前記推論手段は、前記推論された走行経路に対する燃料消費量を前記中央管理装置に送信する消費量送信手段を有し、
前記支援手段は、前記各配送車の現在位置から所定の配送先までの走行経路に対する燃料消費量の推論命令を送信する推論命令送信手段を有し、該推論命令に応じて前記消費量送信手段によって送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、前記所定の配送先に行くように指示することを特徴とする配送指示システム。
【請求項９】
請求項８記載の配送指示システムであって、
前記複数の配送車には各々、自重情報を検出する自重検出手段と、該検出した自重情報を前記中央管理装置に送信する自重送信手段とを有し、
前記中央管理装置は、前記各配送車から送信された自重情報に基づき、前記所定の配送先で荷物を積載すると、積載超過となる配送車を検出する積載超過検出手段を有し、
前記支援手段は、前記積載超過検出手段により積載超過であると検出された配送車を除いた配送車から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して前記所定の配送先に行くように指示することを特徴とする配送指示システム。
【請求項１】
走行経路の走行によって車両が消費する燃料消費量を推論する推論手段と、
該推論手段が推論した燃料消費量に基づいて、運転支援する支援手段とを備えたことを特徴とする運転支援システム。
【請求項２】
請求項１記載の運転支援システムであって、
前記推論手段は、前記車両が走行している走行経路に関する走行経路情報を検出する走行経路情報検出手段と、前記車両の燃費情報を検出する燃費情報検出手段と、前記検出された現走行経路情報を入力とし、前記検出された現燃費情報を出力とする学習を行う学習手段とを有し、前記学習手段が行った学習結果を用いて、前記走行経路情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システム。
【請求項３】
請求項２記載の運転支援システムであって、
前記走行経路情報検出手段は、前記車両の現在位置を検出する現在位置検出手段と、地図データを記憶する地図データ記憶手段とを有し、前記検出された現在位置に対する地図データ上の経路を前記走行経路情報として検出することを特徴とする運転支援システム。
【請求項４】
請求項２又は３記載の運転支援システムであって、
前記推論手段は、道路の渋滞情報を検出する渋滞情報検出手段をさらに備え、
前記学習手段は、前記検出された現走行経路情報及び前記検出された現渋滞情報を入力とし、前記検出された現燃費情報を出力とする学習を行い、
前記推論手段は、前記走行経路情報及び前記渋滞情報を入力とし、前記燃費情報を出力とする推論を行い、該推論を用いて走行経路の走行によって車両が消費する燃料消費量の推論を行うことを特徴とする運転支援システム。
【請求項５】
請求項２記載の運転支援システムであって、
前記走行経路情報検出手段は、前記車両の速度を検出する速度検出手段を有し、前記検出された車両の現速度を前記走行経路情報として検出することを特徴とする運転支援システム。
【請求項６】
請求項５記載の運転支援システムであって、
道路の渋滞情報を検出する渋滞情報検出手段と、
燃料消費量を求めたい走行経路及び当該走行経路上の前記渋滞情報に対応した車両速度を前記走行経路情報として、前記推論手段に入力する入力手段とをさらに備え、
前記推論手段は、前記入力手段の入力に対して推論された燃費情報に基づいて、前記燃料消費量を推論することを特徴とする運転支援システム。
【請求項７】
請求項１〜６何れか１項記載の運転支援システムを用いたナビゲーション装置であって、
車両の現在位置から設定された目的地又は経由地までの走行経路を複数、検索する検索手段をさらに備え、
前記推論手段は、前記検索手段によって検索された複数の走行経路に対する燃料消費量を推論し、
前記支援手段は、前記推論手段が推論した前記複数の走行経路に対する燃料消費量のうち、最も少ない燃料消費量の走行経路を走行するように指示することを特徴とするナビゲーション装置。
【請求項８】
請求項１〜６何れか１項記載の運転支援システムが備えた推論手段を搭載した複数の配送車と、該複数の配送車と通信可能であり、請求項１〜６何れか１項記載の運転支援システムが備えた支援手段が設置された中央管理装置とから構成され、前記複数の配送車に配送支援を行うための配送指示システムであって、
前記推論手段は、前記推論された走行経路に対する燃料消費量を前記中央管理装置に送信する消費量送信手段を有し、
前記支援手段は、前記各配送車の現在位置から所定の配送先までの走行経路に対する燃料消費量の推論命令を送信する推論命令送信手段を有し、該推論命令に応じて前記消費量送信手段によって送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して、前記所定の配送先に行くように指示することを特徴とする配送指示システム。
【請求項９】
請求項８記載の配送指示システムであって、
前記複数の配送車には各々、自重情報を検出する自重検出手段と、該検出した自重情報を前記中央管理装置に送信する自重送信手段とを有し、
前記中央管理装置は、前記各配送車から送信された自重情報に基づき、前記所定の配送先で荷物を積載すると、積載超過となる配送車を検出する積載超過検出手段を有し、
前記支援手段は、前記積載超過検出手段により積載超過であると検出された配送車を除いた配送車から送信された燃料消費量のうち、最も少ない燃料消費量を送信した配送車に対して前記所定の配送先に行くように指示することを特徴とする配送指示システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２００６−７８３０７（Ｐ２００６−７８３０７Ａ）
【公開日】平成１８年３月２３日（２００６．３．２３）
【国際特許分類】
【出願番号】特願２００４−２６１９０１（Ｐ２００４−２６１９０１）
【出願日】平成１６年９月９日（２００４．９．９）
【出願人】（０００００６８９５）矢崎総業株式会社 (7,019)
【Ｆターム（参考）】
【公開日】平成１８年３月２３日（２００６．３．２３）
【国際特許分類】
【出願日】平成１６年９月９日（２００４．９．９）
【出願人】（０００００６８９５）矢崎総業株式会社 (7,019)
【Ｆターム（参考）】
[ Back to top ]