[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2024189915A1 - 処理装置 - Google Patents

処理装置 Download PDF

Info

Publication number
WO2024189915A1
WO2024189915A1 PCT/JP2023/010406 JP2023010406W WO2024189915A1 WO 2024189915 A1 WO2024189915 A1 WO 2024189915A1 JP 2023010406 W JP2023010406 W JP 2023010406W WO 2024189915 A1 WO2024189915 A1 WO 2024189915A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
traffic light
processing device
predicting
processor
Prior art date
Application number
PCT/JP2023/010406
Other languages
English (en)
French (fr)
Inventor
岳彦 桂野
優介 大久保
慎司 澤田
良明 前澤
貴大 植木
崇人 藤野
龍弥 鈴木
律夫 鈴木
Original Assignee
株式会社Subaru
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Subaru filed Critical 株式会社Subaru
Priority to PCT/JP2023/010406 priority Critical patent/WO2024189915A1/ja
Priority to US18/765,488 priority patent/US20240361138A1/en
Publication of WO2024189915A1 publication Critical patent/WO2024189915A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical

Definitions

  • the present invention relates to a processing device.
  • Patent Document 1 discloses a technology for predicting the vehicle's cruising range by predicting the consumption of the vehicle's energy source.
  • the present invention aims to provide a processing device that can accurately predict the consumption of a vehicle's energy source.
  • a processing device comprises: one or more processors; one or more memories coupled to the processor; having The processor, Obtaining pattern information which is information indicating an operation pattern of at least one traffic light present on a travel route of a vehicle; predicting a total consumption amount of the energy source of the vehicle when the vehicle travels the travel route based on the pattern information; Perform the process including:
  • the present invention makes it possible to accurately predict the consumption of a vehicle's energy source.
  • FIG. 1 is a schematic diagram showing a schematic configuration of a vehicle according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing an example of a functional configuration of the processing device according to the embodiment of the present invention.
  • FIG. 3 is a flowchart showing a first example of a flow of processing performed by the processing device according to the embodiment of the present invention.
  • FIG. 4 is a flowchart showing an example of the flow of a process for predicting the total amount of power consumption performed by the processing device according to the embodiment of the present invention.
  • FIG. 5 is a diagram showing a schematic diagram of a travel route of a vehicle according to an embodiment of the present invention.
  • FIG. 6 is a flowchart showing a second example of the flow of processing performed by the processing device according to the embodiment of the present invention.
  • FIG. 1 ⁇ Vehicle configuration> The configuration of a vehicle 1 according to an embodiment of the present invention will be described with reference to FIGS. 1 and 2.
  • FIG. 1 ⁇ Vehicle configuration> The configuration of a vehicle 1 according to an embodiment of the present invention will be described with reference to FIGS. 1 and 2.
  • FIG. 1 ⁇ Vehicle configuration> The configuration of a vehicle 1 according to an embodiment of the present invention will be described with reference to FIGS. 1 and 2.
  • FIG. 1 is a schematic diagram showing the general configuration of vehicle 1.
  • vehicle 1 is an electric vehicle equipped with a battery 21, and travels using the power stored in battery 21 as an energy source. That is, in the following example, the travel distance per unit capacity of the energy source is the power consumption rate.
  • vehicle 1 is not limited to the electricity stored in battery 21.
  • vehicle 1 may be an engine vehicle equipped with an engine, and may run using fuel supplied to the engine as the energy source. In that case, the mileage per unit capacity of the energy source is the fuel efficiency.
  • the vehicle 1 includes a communication device 11, a battery 21, a driving motor 22, a navigation device 23, and a processing device 30.
  • the communication device 11 communicates with devices external to the vehicle 1.
  • the battery 21 is capable of charging and discharging power.
  • a lithium ion battery, a lithium ion polymer battery, a nickel-metal hydride battery, a nickel-cadmium battery, or a lead-acid battery is used as the battery 21, but other batteries may also be used.
  • the battery 21 stores the power supplied to the driving motor 22.
  • the traction motor 22 outputs power that is transmitted to the wheels of the vehicle 1, and is composed of, for example, a three-phase AC motor.
  • the traction motor 22 is driven using power from the battery 21 to output power.
  • the traction motor 22 is also driven regeneratively when the vehicle 1 decelerates, and can generate power using the kinetic energy of the wheels. In this case, the power generated by the traction motor 22 is supplied to the battery 21. As a result, the battery 21 is charged with the power generated by the traction motor 22.
  • the navigation device 23 is a device that provides guidance on a driving route from the current position of the vehicle 1 to a destination desired by the user in response to input operations by the driver of the vehicle 1.
  • the navigation device 23 determines a recommended driving route from among a number of candidate driving routes, and proposes the determined recommended driving route to the user.
  • the recommended driving route is a driving route that reduces the consumption of energy sources.
  • the driver refers to the recommended driving route and selects a driving route to be guided by the navigation device 23 from among a number of candidate driving routes.
  • the navigation device 23 has a function of visually displaying information, and displays various information related to route guidance.
  • Information displayed by the navigation device 23 includes, for example, the current location of the vehicle 1, the driving route to be guided, the location of the destination, the distance on the driving route from the current location of the vehicle 1 to the destination, and the time to reach the destination.
  • the navigation device 23 can obtain information indicating the current location of the vehicle 1 based on signals transmitted from GPS (Global Positioning System) satellites.
  • GPS Global Positioning System
  • the processing device 30 has one or more processors 30a and one or more memories 30b connected to the processor 30a.
  • the processor 30a includes, for example, a CPU (Central Processing Unit).
  • the memory 30b includes, for example, a ROM (Read Only Memory) and a RAM (Random Access Memory).
  • the ROM is a storage element that stores programs and computational parameters used by the CPU.
  • the RAM is a storage element that temporarily stores data such as variables and parameters used in processing executed by the CPU.
  • the processing device 30 communicates with each device in the vehicle 1, such as the communication device 11 and the navigation device 23. Communication between the processing device 30 and each device is realized, for example, using CAN (Controller Area Network) communication.
  • CAN Controller Area Network
  • FIG. 2 is a block diagram showing an example of the functional configuration of the processing device 30.
  • the processing device 30 has an acquisition unit 31 and a processing unit 32.
  • various processes, including the processes described below, performed by the acquisition unit 31 or the processing unit 32 can be executed by the processor 30a.
  • the various processes are executed by the processor 30a executing a program stored in the memory 30b.
  • the acquisition unit 31 acquires various types of information and outputs it to the processing unit 32.
  • the acquisition unit 31 acquires information from the communication device 11 and the navigation device 23.
  • the acquisition of information may include the extraction or generation (e.g., calculation) of information, etc.
  • the processing unit 32 performs various processes using the various information acquired by the acquisition unit 31.
  • the processing unit 32 also has a function of controlling the operation of the navigation device 23.
  • the functions of the processing device 30 may be divided among multiple devices, or multiple functions may be realized by one device.
  • the multiple devices may be connected to each other via a communication bus such as a CAN.
  • the processing device 30 acquires pattern information, which is information indicating the operation pattern of traffic lights present on the driving route of the vehicle 1, and predicts the total consumption of the energy source of the vehicle 1 when the vehicle 1 travels the driving route based on the pattern information. This makes it possible to accurately predict the consumption of the energy source of the vehicle 1, as described below.
  • the energy source is electricity.
  • the traffic light operation pattern indicated by the pattern information is, for example, a pattern of when and to what color the traffic light changes.
  • pattern information include information indicating the color of the traffic light at each time arranged in chronological order, or information indicating the cycle at which the traffic light changes color.
  • the processing device 30 acquires pattern information indicating the operation patterns of multiple traffic lights present on the driving route of the vehicle 1. However, it is sufficient for the processing device 30 to acquire pattern information indicating the operation pattern of at least one traffic light present on the driving route of the vehicle 1.
  • FIG. 3 is a flowchart showing a first example of the flow of processing performed by the processing device 30.
  • the control flow shown in FIG. 3 is executed repeatedly at preset time intervals, for example.
  • step S101 the processing device 30 predicts the total power consumption of each candidate driving route. Specifically, the processing device 30 predicts the total power consumption of the battery 21 when each candidate driving route is traveled.
  • the candidate driving routes are extracted by the navigation device 23, for example, based on the current position of the vehicle 1 and the destination desired by the user. Details of the processing of step S101 will be described later with reference to FIG. 4.
  • step S102 the processing unit 32 of the processing device 30 determines a recommended driving route, and the control flow shown in FIG. 3 ends.
  • the recommended driving route is a driving route that reduces power consumption. That is, in step S101, the processing unit 32 determines the driving route candidate with the smallest predicted total power consumption as the recommended driving route. Then, the processing unit 32 notifies the driver of the recommended driving route, for example, by causing the navigation device 23 to display the recommended driving route.
  • FIG. 4 is a flowchart showing an example of the flow of the total power consumption prediction process performed by the processing device 30.
  • the control flow shown in FIG. 4 is executed in step S101 in FIG. 3.
  • control flow shown in FIG. 4 is a control flow for predicting the total amount of power consumption for one driving route. Therefore, in step S101 in FIG. 3, the control flow shown in FIG. 4 is performed sequentially for all candidate driving routes.
  • FIG. 5 is a schematic diagram showing a driving route 2 of a vehicle 1.
  • the driving route 2 shown in FIG. 5 is extracted as a candidate driving route, the total amount of power consumed by the battery 21 when the vehicle 1 travels along the driving route 2 is predicted in the control flow shown in FIG. 4.
  • the centralized control type is installed in a specific area with relatively high traffic volume and is controlled by a computer at a traffic control center.
  • the decentralized control type is installed in an area with relatively low traffic volume, is not connected to a computer at a traffic control center, and is controlled independently.
  • step S201 the acquisition unit 31 acquires pattern information indicating the operation patterns of multiple traffic lights 3 present on the driving route 2.
  • step S201 the acquisition unit 31 acquires pattern information, for example, by different methods depending on the type of traffic light 3.
  • information indicating the number, position, and type of each traffic light 3 on the driving route 2 is, for example, stored in advance in the navigation device 23.
  • the acquisition unit 31 acquires this information from the navigation device 23 when extracting candidate driving routes.
  • the obtaining unit 31 obtains the pattern information of the centrally controlled traffic light 3 from a computer at a traffic control center. In this case, the obtaining unit 31 communicates with the computer at the traffic control center via the communication device 11.
  • the obtaining unit 31 obtains the pattern information of the decentralized control type traffic light 3 from the navigation device 23.
  • the pattern information of the decentralized control type traffic light 3 is stored in advance in the navigation device 23.
  • step S202 the processing unit 32 predicts the number of stops, which is the number of times the vehicle 1 will stop at the traffic light 3, based on the pattern information.
  • step S202 the processing unit 32 performs a simulation, for example, assuming that each traffic light 3 on the travel route 2 operates according to an operation pattern indicated by the pattern information, and the vehicle 1 accelerates to the legal speed.
  • This simulation is performed based on the number, positions, and pattern information of the traffic lights 3 on the travel route 2, and the legal speed of the travel route 2.
  • the vehicle 1 stops at the red traffic lights 3, and travels without stopping at locations other than the red traffic lights 3.
  • the vehicle 1 accelerates when the vehicle speed is equal to or lower than the legal speed, and maintains the vehicle speed when the vehicle speed has reached the legal speed.
  • the vehicle 1 accelerates at a preset acceleration.
  • the acceleration is set, for example, by the average value of the acceleration of the vehicle 1 in the past.
  • the vehicle 1 decelerates at a preset speed change rate before the red traffic light 3 so that the vehicle 1 can stop at the red traffic light 3.
  • the speed change rate is set, for example, as the average speed change rate during deceleration of the vehicle 1 in the past.
  • the processing unit 32 can predict the behavior of the vehicle 1 when the vehicle 1 travels along the travel route 2 based on the results of the simulation. Then, in step S202, the processing unit 32 predicts the number of stops based on the results of the simulation. Specifically, in the above-mentioned simulation, the processing unit 32 can identify the speed of the vehicle 1 at each point in time, and therefore can identify the position of the vehicle 1 at each point in time. The processing unit 32 can also identify the color of each traffic light 3 at each point in time. Therefore, the processing unit 32 can identify the color of the traffic light 3 when the vehicle 1 reaches the installation position of the traffic light 3. Therefore, the processing unit 32 can identify at which traffic light 3 the vehicle 1 will stop. For example, in this way, the processing unit 32 can predict the number of stops. In detail, the processing unit 32 can also predict at which traffic light 3 the vehicle 1 will stop.
  • step S203 the processing unit 32 predicts the stopping time, which is the time that the vehicle 1 will stop at a traffic light 3, based on the pattern information. Note that if it is predicted that the vehicle 1 will stop at multiple traffic lights 3, the processing unit 32 predicts the stopping time for each of the multiple traffic lights 3.
  • the processing unit 32 predicts the stopping time, for example, based on the results of the simulation described above. Specifically, in the simulation described above, the processing unit 32 can identify the speed of the vehicle 1 at each time point, and therefore the position of the vehicle 1 at each time point. The processing unit 32 can also identify the color of each traffic light 3 at each time point. Therefore, when the vehicle 1 reaches and stops at a red traffic light 3, the processing unit 32 can identify the time from when the vehicle 1 stops to when the color of the traffic light 3 changes from red to green and the vehicle 1 starts moving. For example, in this way, the processing unit 32 can predict the stopping time. In detail, the processing unit 32 can also predict at which traffic light 3 the vehicle 1 will stop and for how long.
  • step S204 the processing unit 32 predicts the driving distance that the vehicle 1 will continue to travel after stopping at a traffic light 3 until it stops at the next traffic light 3, based on the pattern information.
  • the distance between the traffic lights 3 that are arranged consecutively among the multiple traffic lights 3 corresponds to the driving distance.
  • step S204 the processing unit 32 predicts the continued driving distance, for example, based on the results of the simulation described above.
  • step S205 the processing unit 32 predicts, for example, the total amount of power consumption based on the number of stops.
  • the vehicle 1 stops at traffic light 3 it becomes necessary to accelerate unnecessarily as a result of the vehicle stopping. Therefore, when the vehicle 1 stops at traffic light 3, energy loss occurs due to the vehicle 1 performing unnecessarily accelerating and decelerating, compared to when the vehicle 1 passes through the traffic light 3 without stopping. In this way, power consumption occurs due to the vehicle 1 stopping at traffic light 3.
  • the processing unit 32 can predict the total amount of power consumption by multiplying the amount of power consumption caused by the vehicle 1 stopping once at traffic light 3 by the number of stops.
  • the amount of power consumption caused by vehicle 1 stopping once at traffic light 3 is stored in advance in a memory element of processing device 30. Then, processing unit 32 multiplies the amount of power consumption caused by vehicle 1 stopping once at traffic light 3 by the number of stops. Furthermore, processing unit 32 adds the value thus obtained to the total amount of power consumption expected if vehicle 1 travels along travel route 2 without stopping once at traffic light 3. Then, processing unit 32 predicts the finally obtained value as the total amount of power consumption of battery 21 when vehicle 1 travels along travel route 2.
  • the amount of power consumed due to vehicle 1 stopping once at traffic light 3 can be calculated, for example, by subtracting the amount of regenerated power obtained due to vehicle 1 stopping at traffic light 3 from the amount of power consumed due to vehicle 1 accelerating after stopping.
  • the amount of power consumed due to vehicle 1 accelerating after stopping can be calculated based on, for example, the target vehicle speed during constant speed driving, the weight of vehicle 1, and the power transmission efficiency of vehicle 1.
  • the amount of regenerated power obtained due to vehicle 1 stopping at traffic light 3 can be calculated based on, for example, the target vehicle speed during constant speed driving, the weight of vehicle 1, and the regenerative efficiency of vehicle 1. In the above simulation, the target vehicle speed during constant speed driving is, for example, the legal speed.
  • processing unit 32 predicts the total amount of power consumption based on other information in addition to the number of stops.
  • the processing unit 32 may predict the total amount of power consumption based on the stop duration in addition to the number of stops.
  • the processing unit 32 may predict the total amount of power consumption based on the stop duration in addition to the number of stops.
  • the longer the stop duration the greater the predicted value of the total amount of power consumption when the vehicle 1 travels along the travel route 2.
  • the processing unit 32 may predict the total amount of power consumption based on both the stopping time and the continued driving distance in addition to the number of stops, or may predict the total amount of power consumption based on either the stopping time or the continued driving distance in addition to the number of stops.
  • the processing device 30 acquires pattern information, which is information indicating the operation pattern of the traffic lights 3 present on the driving route 2 of the vehicle 1, and predicts the total consumption of the energy source of the vehicle 1 when the vehicle 1 travels the driving route 2 based on the pattern information. This makes it possible to predict the above total consumption taking into account the operation pattern of the traffic lights 3, so that the consumption of the energy source of the vehicle 1 can be predicted with high accuracy.
  • the processing device 30 determines a recommended driving route that suppresses consumption of the energy source based on the above total consumption. This makes it possible to appropriately determine the recommended driving route.
  • the energy source is electricity.
  • FIG. 6 is a flowchart showing a second example of the flow of processing performed by the processing device 30.
  • the control flow shown in FIG. 6 is executed repeatedly at preset time intervals, for example.
  • step S301 the processing device 30 predicts the total amount of power consumption of the battery 21 when driving route 2.
  • the driving route 2 is, for example, a route selected by the driver and to be guided by the navigation device 23.
  • step S301 the control flow shown in FIG. 4 described above is executed.
  • step S302 the processing unit 32 of the processing device 30 predicts the cruising distance of the vehicle 1, and the control flow shown in FIG. 6 ends.
  • step S302 the processing unit 32 predicts the cruising distance of the vehicle 1 based on the remaining capacity of the battery 21 and the total power consumption predicted in step S301. Specifically, the processing unit 32 subtracts the total power consumption predicted in step S301 from the remaining capacity of the battery 21. The processing unit 32 then multiplies the value thus obtained by the power consumption rate of the vehicle 1 to predict the distance that the vehicle 1 can travel after completing traveling the traveling route 2. Furthermore, the processing unit 32 predicts the total value of the distance that the vehicle 1 can travel after completing traveling the traveling route 2 and the traveling distance of the traveling route 2 as the cruising distance. The processing unit 32 then notifies the driver of the cruising distance by, for example, causing the navigation device 23 to display the cruising distance.
  • the processing device 30 acquires pattern information, which is information indicating the operation pattern of the traffic lights 3 present on the driving route 2 of the vehicle 1, and predicts the total consumption of the energy source of the vehicle 1 when the vehicle 1 travels the driving route 2 based on the pattern information.
  • pattern information which is information indicating the operation pattern of the traffic lights 3 present on the driving route 2 of the vehicle 1
  • the processing device 30 predicts the cruising distance of the vehicle 1 based on the above total consumption.
  • the cruising distance of the vehicle 1 can be predicted with high accuracy.
  • the energy source is electricity.
  • the processing unit 32 predicts the total amount of power consumption when the vehicle 1 travels along the travel route 2 based on the number of stops.
  • the processing unit 32 may predict the total amount of power consumption without specifying a value corresponding to the number of stops.
  • the processing unit 32 may predict the total amount of power consumption by also calculating the fluctuation in power of the battery 21 during the above-mentioned simulation.
  • the processing device 30 may determine a recommended driving route based on the total consumption of the energy source when the vehicle 1 travels the driving route, as in the first example, and may predict the cruising distance of the vehicle 1 based on the total consumption, as in the second example.
  • the processing device 30 when the processing device 30 acquires information on accidents, traffic control, road closures, etc. on the driving route 2 from a computer at a traffic control center, the processing device 30 outputs the information to the navigation device 23, and the navigation device 23 may extract candidate driving routes based on the information.
  • the processor 30a of the processing device 30 executes processing including acquiring pattern information, which is information indicating the operation pattern of at least one traffic light 3 present on the driving route 2 of the vehicle 1, and predicting the total consumption of the energy source of the vehicle 1 when the vehicle 1 travels the driving route 2 based on the pattern information.
  • pattern information which is information indicating the operation pattern of at least one traffic light 3 present on the driving route 2 of the vehicle 1
  • predicting the total consumption of the energy source of the vehicle 1 when the vehicle 1 travels the driving route 2 based on the pattern information This makes it possible to predict the total consumption while taking into account the operation pattern of the traffic light 3, thereby making it possible to accurately predict the consumption of the energy source of the vehicle 1.
  • the energy source is electricity.
  • the processor 30a of the processing device 30 preferably executes processing that includes determining a recommended driving route that reduces consumption of the energy source based on the total consumption amount. This allows the recommended driving route to be determined after predicting the total consumption amount while taking into account the operation pattern of the traffic lights 3, so that the recommended driving route can be appropriately determined.
  • the processor 30a of the processing device 30 executes processing that includes predicting the cruising distance of the vehicle 1 based on the total consumption amount. This makes it possible to predict the cruising distance of the vehicle 1 after predicting the total consumption amount while taking into account the operation pattern of the traffic lights 3, thereby making it possible to predict the cruising distance of the vehicle 1 with high accuracy.
  • the processor 30a of the processing device 30 preferably executes processing including predicting the number of stops, which is the number of times the vehicle 1 will stop at traffic lights 3, based on the pattern information, and predicting the total consumption amount based on the number of stops. This appropriately realizes accurate prediction of the total consumption amount of the energy source of the vehicle 1 when the vehicle 1 travels along the travel route 2.
  • the processor 30a of the processing device 30 preferably executes processing including predicting the stop time, which is the time that the vehicle 1 will stop at the traffic light 3, based on the pattern information, and predicting the above-mentioned total consumption amount based on the stop time in addition to the number of stops. This makes it possible to more accurately predict the total consumption amount of the energy source of the vehicle 1 when the vehicle 1 travels along the travel route 2.
  • the processor 30a of the processing device 30 executes processing including predicting the continuing driving distance that the vehicle 1 will continue to travel after stopping at a traffic light 3 until the next time the vehicle stops, based on the pattern information, and predicting the above-mentioned total consumption amount based on the continuing driving distance in addition to the number of stops. This makes it possible to more accurately predict the total consumption amount of the energy source of the vehicle 1 when the vehicle 1 travels the travel route 2.
  • REFERENCE SIGNS LIST 1 vehicle 2 travel route 3 traffic light 11 communication device 21 battery 22 travel motor 23 navigation device 30 processing device 30a processor 30b memory 31 acquisition unit 32 processing unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

処理装置は、１つまたは複数のプロセッサと、前記プロセッサに接続される１つまたは複数のメモリと、を有し、前記プロセッサは、車両の走行ルートに存在する少なくとも１つの信号機の動作パターンを示す情報であるパターン情報を取得することと、前記車両が前記走行ルートを走行した場合における前記車両のエネルギー源の総消費量を前記パターン情報に基づいて予測することと、を含む処理を実行する。

Description

処理装置
　本発明は、処理装置に関する。
　車両は、車両に搭載されたエネルギー源を消費して走行する。例えば、電動自動車では、バッテリに蓄電される電力がエネルギー源として用いられる。そして、車両のドライバの運転を支援するために、車両のエネルギー源の消費量を予測することが重要となっている。例えば、特許文献１には、車両のエネルギー源の消費量を予測することによって車両の航続可能距離を予測する技術が開示されている。
特開２０１２－２２０４１５号公報
　上記の通り、車両のドライバの運転を支援するために、車両のエネルギー源の消費量を予測する種々の技術が提案されている。しかしながら、車両のエネルギー源の消費量をより精度良く予測するための更なる技術の提案が望まれている。
　そこで、本発明は、車両のエネルギー源の消費量を精度良く予測することが可能な処理装置を提供することを目的としている。
　上記課題を解決するために、本発明の一実施の形態に係る処理装置は、
　１つまたは複数のプロセッサと、
　前記プロセッサに接続される１つまたは複数のメモリと、
を有し、
　前記プロセッサは、
　車両の走行ルートに存在する少なくとも１つの信号機の動作パターンを示す情報であるパターン情報を取得することと、
　前記車両が前記走行ルートを走行した場合における前記車両のエネルギー源の総消費量を前記パターン情報に基づいて予測することと、
　を含む処理を実行する。
　本発明によれば、車両のエネルギー源の消費量を精度良く予測することが可能となる。
図１は、本発明の実施形態に係る車両の概略構成を示す模式図である。 図２は、本発明の実施形態に係る処理装置の機能構成の一例を示すブロック図である。 図３は、本発明の実施形態に係る処理装置が行う処理の流れの第１の例を示すフローチャートである。 図４は、本発明の実施形態に係る処理装置が行う電力の総消費量の予測処理の流れの一例を示すフローチャートである。 図５は、本発明の実施形態に係る車両の走行ルートを模式的に示す図である。 図６は、本発明の実施形態に係る処理装置が行う処理の流れの第２の例を示すフローチャートである。
　以下に添付図面を参照しながら、本発明の実施形態について詳細に説明する。かかる実施形態に示す具体的な寸法、材料、数値等は、発明の理解を容易にするための例示に過ぎず、特に断る場合を除き、本発明を限定するものではない。なお、本明細書および図面において、実質的に同一の機能、構成を有する要素については、同一の符号を付することにより重複説明を省略し、また本発明に直接関係のない要素は図示を省略する。
　<車両の構成>
　図１および図２を参照して、本発明の実施形態に係る車両１の構成について説明する。
　図１は、車両１の概略構成を示す模式図である。以下では、車両１が、バッテリ２１を備える電気自動車であり、バッテリ２１に蓄電される電力をエネルギー源として用いて走行する例を説明する。つまり、以下の例では、エネルギー源の単位容量あたりの走行距離は、電力消費率である。
　ただし、車両１のエネルギー源は、バッテリ２１に蓄電される電力に限定されない。例えば、車両１が、エンジンを備えるエンジン車であり、エンジンに供給される燃料をエネルギー源として用いて走行してもよい。その場合、エネルギー源の単位容量あたりの走行距離は、燃費である。
　図１に示されるように、車両１は、通信装置１１と、バッテリ２１と、走行用モータ２２と、ナビゲーション装置２３と、処理装置３０とを備える。
　通信装置１１は、車両１の外部の装置と通信する。
　バッテリ２１は、電力を充放電可能である。バッテリ２１としては、例えば、リチウムイオン電池、リチウムイオンポリマー電池、ニッケル水素電池、ニッケルカドミウム電池または鉛蓄電池が用いられるが、これら以外の電池が用いられてもよい。バッテリ２１は、走行用モータ２２に供給される電力を蓄電する。
　走行用モータ２２は、車両１の車輪に伝達される動力を出力し、例えば、三相交流式のモータで構成される。走行用モータ２２は、バッテリ２１の電力を用いて駆動されて動力を出力する。また、走行用モータ２２は、車両１の減速時に回生駆動されて車輪の運動エネルギーを用いて発電可能である。この場合、走行用モータ２２により発電される電力は、バッテリ２１へ供給される。それにより、バッテリ２１が走行用モータ２２により発電される電力によって充電される。
　ナビゲーション装置２３は、車両１のドライバによる入力操作に応じて車両１の現在地点からユーザが所望する目的地までの走行ルートを案内する装置である。ナビゲーション装置２３は、複数の走行ルート候補の中から推奨走行ルートを決定し、決定した推奨走行ルートをユーザに対して提案する。本明細書では、推奨走行ルートは、エネルギー源の消費が抑制される走行ルートである。ドライバは、推奨走行ルートを参考にして、複数の走行ルート候補の中からナビゲーション装置２３に案内させる走行ルートを選択する。
　具体的には、ナビゲーション装置２３は、情報を視覚的に表示する機能を有し、ルート案内に関する各種情報を表示する。ナビゲーション装置２３により表示される情報としては、例えば、車両１の現在地点、案内の対象となる走行ルート、目的地の位置、車両１の現在地点から目的地までの走行ルート上での距離、および、目的地までの到達時間等が挙げられる。ナビゲーション装置２３は、ＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）衛星から送信される信号に基づいて、車両１の現在地点を示す情報を取得することができる。
　処理装置３０は、１つまたは複数のプロセッサ３０ａと、プロセッサ３０ａに接続される１つまたは複数のメモリ３０ｂと、を有する。プロセッサ３０ａは、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）を含む。メモリ３０ｂは、例えば、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）およびＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などを含む。ＲＯＭは、ＣＰＵが使用するプログラムおよび演算パラメータ等を記憶する記憶素子である。ＲＡＭは、ＣＰＵにより実行される処理に用いられる変数およびパラメータ等のデータを一時記憶する記憶素子である。
　処理装置３０は、通信装置１１およびナビゲーション装置２３等の車両１内の各装置と通信を行う。処理装置３０と各装置との通信は、例えば、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）通信を用いて実現される。
　図２は、処理装置３０の機能構成の一例を示すブロック図である。例えば、図２に示されるように、処理装置３０は、取得部３１と、処理部３２とを有する。なお、取得部３１または処理部３２により行われる以下で説明する処理を含む各種処理は、プロセッサ３０ａによって実行され得る。詳細には、メモリ３０ｂに記憶されているプログラムをプロセッサ３０ａが実行することにより、各種処理が実行される。
　取得部３１は、各種情報を取得し、処理部３２へ出力する。例えば、取得部３１は、通信装置１１およびナビゲーション装置２３から情報を取得する。なお、本明細書において、情報の取得には、情報の抽出又は生成（例えば、演算）等が含まれ得る。
　処理部３２は、取得部３１により取得される各種情報を用いて、各種処理を行う。また、処理部３２は、ナビゲーション装置２３の動作を制御する機能も有する。
　なお、本実施形態に係る処理装置３０が有する機能は、複数の装置により分割されてもよく、複数の機能が１つの装置によって実現されてもよい。処理装置３０が有する機能が複数の装置により分割される場合、当該複数の装置は、ＣＡＮ等の通信バスを介して、互いに接続されてもよい。
　<処理装置の動作>
　続いて、図３～図５を参照して、本発明の実施形態に係る処理装置３０の動作について説明する。
　本実施形態では、処理装置３０は、車両１の走行ルートに存在する信号機の動作パターンを示す情報であるパターン情報を取得し、車両１が走行ルートを走行した場合における車両１のエネルギー源の総消費量をパターン情報に基づいて予測する。それにより、後述するように、車両１のエネルギー源の消費量を精度良く予測することが実現される。なお、以下の例では、エネルギー源は電力である。
　パターン情報により示される信号機の動作パターンは、例えば、信号機の色がどのタイミングでどの色に変わるか等のパターンである。パターン情報としては、例えば、信号機の各時刻における色を示す情報を時系列に並べた情報、または、信号機の色が切り替わる周期を示す情報等が挙げられる。なお、以下では、処理装置３０が、車両１の走行ルートに存在する複数の信号機の動作パターンを示すパターン情報を取得する例を説明する。ただし、処理装置３０は、車両１の走行ルートに存在する少なくとも１つの信号機の動作パターンを示すパターン情報を取得すればよい。
　以下、処理装置３０が行う処理例として、第１の例および第２の例を順に説明する。
　図３は、処理装置３０が行う処理の流れの第１の例を示すフローチャートである。図３に示される制御フローは、例えば、予め設定された時間間隔で繰り返し実行される。
　図３に示される制御フローが開始されると、まず、ステップＳ１０１において、処理装置３０は、各走行ルート候補の電力の総消費量を予測する。具体的には、処理装置３０は、各走行ルート候補を走行した場合におけるバッテリ２１の電力の総消費量を予測する。走行ルート候補は、例えば、車両１の現在地点と、ユーザが所望する目的地とに基づいて、ナビゲーション装置２３によって抽出される。なお、ステップＳ１０１の処理の詳細については、図４を参照して後述する。
　ステップＳ１０１の次に、ステップＳ１０２において、処理装置３０の処理部３２は、推奨走行ルートを決定し、図３に示される制御フローは終了する。上述したように、推奨走行ルートは、電力の消費が抑制される走行ルートである。つまり、ステップＳ１０１では、処理部３２は、予測される電力の総消費量が最も小さい走行ルート候補を推奨走行ルートとして決定する。そして、処理部３２は、例えば、ナビゲーション装置２３に推奨走行ルートを表示させることによって、推奨走行ルートをドライバに報知する。
　図４は、処理装置３０が行う電力の総消費量の予測処理の流れの一例を示すフローチャートである。図４に示される制御フローは、図３中のステップＳ１０１において実行される。
　具体的には、図４に示される制御フローは、１つの走行ルートに対する電力の総消費量を予測するための制御フローである。ゆえに、図３中のステップＳ１０１において、図４に示される制御フローは、全ての走行ルート候補について順に行われる。
　図５は、車両１の走行ルート２を模式的に示す図である。例えば、図５に示される走行ルート２が走行ルート候補として抽出されている場合、図４に示される制御フローにおいて、車両１が走行ルート２を走行した場合におけるバッテリ２１の電力の総消費量が予測される。図５に示されるように、走行ルート２には、複数の信号機３が存在する。信号機３のタイプとしては、集中制御型と非集中制御型とがある。集中制御型は、比較的交通量が多い特定の範囲に設置され、交通管制センターのコンピュータにより制御されるタイプである。非集中制御型は、比較的交通量が少ない場所に設置され、交通管制センターのコンピュータとは接続されておらず、単独で制御されるタイプである。
　図４に示される制御フローが開始されると、まず、ステップＳ２０１において、取得部３１は、走行ルート２に存在する複数の信号機３の動作パターンを示すパターン情報を取得する。
　ステップＳ２０１では、取得部３１は、例えば、信号機３のタイプに応じて異なる方法によりパターン情報を取得する。なお、走行ルート２における各信号機３の数、位置およびタイプを示す情報は、例えば、予めナビゲーション装置２３に記憶されている。例えば、取得部３１は、これらの情報を走行ルート候補の抽出時にナビゲーション装置２３から取得する。
　パターン情報の取得対象の信号機３が集中制御型である場合、例えば、取得部３１は、集中制御型の信号機３のパターン情報を、交通管制センターのコンピュータから取得する。この場合、取得部３１は、通信装置１１を介して交通管制センターのコンピュータと通信する。
　また、パターン情報の取得対象の信号機３が非集中制御型である場合、例えば、取得部３１は、非集中制御型の信号機３のパターン情報を、ナビゲーション装置２３から取得する。この場合、非集中制御型の信号機３のパターン情報は、予めナビゲーション装置２３に記憶されている。
　ステップＳ２０１の次に、ステップＳ２０２において、処理部３２は、車両１が信号機３で停車する回数である停車回数をパターン情報に基づいて予測する。
　ステップＳ２０２では、処理部３２は、例えば、走行ルート２に存在する各信号機３がパターン情報により示される動作パターンで動作し、車両１が法定速度まで加速して走行すると仮定したシミュレーションを行う。このシミュレーションは、走行ルート２に存在する信号機３の数、位置、パターン情報、および、走行ルート２の法定速度を基に行われる。このシミュレーションでは、車両１は、赤色の信号機３において停車し、赤色の信号機３以外の箇所においては停車せずに走行する。また、このシミュレーションでは、車両１は、車速が法定速度以下である場合に加速し、車速が法定速度に到達している場合には車速を維持する。また、このシミュレーションでは、車両１は、予め設定された加速度で加速する。加速度は、例えば、車両１の過去の実績の加速度の平均値等で設定される。また、このシミュレーションでは、車両１は、赤色の信号機３において停車できるように、赤色の信号機３の手前で予め設定された速度変化率で減速する。速度変化率は、例えば、車両１の過去の実績の減速時の速度変化率の平均値等で設定される。
　処理部３２は、シミュレーションの結果に基づいて、車両１が走行ルート２を走行した場合における車両１の挙動を予測できる。そして、ステップＳ２０２では、処理部３２は、シミュレーションの結果に基づいて、停車回数を予測する。具体的には、上述したシミュレーションでは、処理部３２は、各時点における車両１の速度を特定できるので、各時点における車両１の位置を特定できる。また、処理部３２は、各時点における各信号機３の色を特定できる。ゆえに、処理部３２は、車両１が信号機３の設置位置に到達した際における当該信号機３の色を特定できる。よって、処理部３２は、いずれの信号機３で車両１が停車するかを特定できる。例えば、このようにして、処理部３２は、停車回数を予測できる。詳細には、処理部３２は、車両１がどの信号機３で停車するのかも予測できる。
　ステップＳ２０２の次に、ステップＳ２０３において、処理部３２は、車両１が信号機３で停車する時間である停車時間をパターン情報に基づいて予測する。なお、複数の信号機３において車両１が停車すると予測される場合、処理部３２は、当該複数の信号機３の各々について停車時間を予測する。
　ステップＳ２０３では、処理部３２は、例えば、上述したシミュレーションの結果に基づいて、停車時間を予測する。具体的には、上述したシミュレーションでは、処理部３２は、各時点における車両１の速度を特定できるので、各時点における車両１の位置を特定できる。また、処理部３２は、各時点における各信号機３の色を特定できる。ゆえに、処理部３２は、車両１が赤色の信号機３に到達して停車した場合において、車両１が停車したタイミングから当該信号機３の色が赤から青に切り替わり車両１が発進するタイミングまでの時間を特定できる。例えば、このようにして、処理部３２は、停車時間を予測できる。詳細には、処理部３２は、車両１がどの信号機３でどの程度の時間だけ停車するのかも予測できる。
　ステップＳ２０３の次に、ステップＳ２０４において、処理部３２は、車両１が信号機３で停車した後において次に信号機３で停車するまで継続して走行する走行継続距離をパターン情報に基づいて予測する。複数の信号機３において車両１が停車すると予測される場合において、当該複数の信号機３の中で互いに連続して配置される信号機３同士の距離（具体的には、道路に沿った距離）が走行継続距離に相当する。
　ステップＳ２０４では、処理部３２は、例えば、上述したシミュレーションの結果に基づいて、走行継続距離を予測する。
　ステップＳ２０４の次に、ステップＳ２０５において、処理部３２は、車両１が走行ルート２を走行した場合におけるバッテリ２１の電力の総消費量を予測し、図４に示される制御フローは終了する。
　ステップＳ２０５では、処理部３２は、例えば、電力の総消費量を停車回数に基づいて予測する。ここで、車両１が信号機３で停車すると、停車したことに伴い無駄に加速する必要が生じる。ゆえに、車両１が信号機３で停車すると、車両１が信号機３で停車せずに通過する場合と比べて、車両１が無駄な加減速を行うことに起因するエネルギー損失が生じる。このように、車両１が信号機３で停車することに起因して電力の消費が発生する。処理部３２は、車両１が信号機３で１回停車することに起因して発生する電力の消費量を停車回数に乗算することによって得られる値を、電力の総消費量として予測できる。
　例えば、車両１が信号機３で１回停車することに起因して発生する電力の消費量は、予め処理装置３０の記憶素子に記憶されている。そして、処理部３２は、車両１が信号機３で１回停車することに起因して発生する電力の消費量を停車回数に乗算する。さらに、処理部３２は、こうして得られる値を、車両１が信号機３で１回も停車せずに走行ルート２を走行した場合に想定される電力の総消費量に加算する。そして、処理部３２は、最終的に得られた値を、車両１が走行ルート２を走行した場合におけるバッテリ２１の電力の総消費量として予測する。
　なお、車両１が信号機３で１回停車することに起因して発生する電力の消費量は、例えば、車両１が停車後に加速することに起因して発生する電力の消費量から車両１が信号機３で停車することに起因して得られる電力の回生量を減算することによって求められる。車両１が停車後に加速することに起因して発生する電力の消費量は、例えば、定速走行時の目標車速、車両１の重量、および、車両１における動力伝達効率等に基づいて求められる。車両１が信号機３で停車することに起因して得られる電力の回生量は、例えば、定速走行時の目標車速、車両１の重量、および、車両１における回生効率等に基づいて求められる。上記定速走行時の目標車速は、例えば、上記のシミュレーションでは、法定速度である。
　ここで、車両１が走行ルート２を走行した場合における車両１の電力の総消費量をより精度良く予測する観点では、処理部３２は、停車回数に加えて、他の情報に基づいて、電力の総消費量を予測することが好ましい。
　例えば、処理部３２は、停車回数に加えて、停車時間に基づいて、電力の総消費量を予測してもよい。ここで、車両１の停車中においても、車両１内の空調装置および音響装置等の各種補機が駆動されること等に起因して電力の消費は発生している。ゆえに、信号機３での停車時間が長いほど、電力の消費量は多くなる。よって、処理部３２は、例えば、停車時間が長いほど、車両１が走行ルート２を走行した場合における電力の総消費量として大きな値を予測する。
　また、例えば、処理部３２は、停車回数に加えて、走行継続距離に基づいて、電力の総消費量を予測してもよい。ここで、走行継続距離が短い場合、車両１が信号機３で停車した後において次に信号機３で停車するまでの間に、車両１が目標車速まで加速できない状況が生じ得る。なお、目標車速は、例えば、上記のシミュレーションでは、法定速度である。それにより、例えば、定速走行できる時間が短くなる等に起因して電力の消費量が多くなる。よって、処理部３２は、例えば、走行継続距離が短いほど、当該走行継続距離と対応する区間における電力の消費量が多くなると予測し、車両１が走行ルート２を走行した場合における電力の総消費量として大きな値を予測する。
　なお、処理部３２は、停車回数に加えて、停車時間および走行継続距離の両方に基づいて、電力の総消費量を予測してもよく、停車回数に加えて、停車時間および走行継続距離の一方に基づいて、電力の総消費量を予測してもよい。
　以上説明したように、第１の例では、処理装置３０は、車両１の走行ルート２に存在する信号機３の動作パターンを示す情報であるパターン情報を取得し、車両１が走行ルート２を走行した場合における車両１のエネルギー源の総消費量をパターン情報に基づいて予測する。それにより、信号機３の動作パターンを加味して上記の総消費量を予測することができるので、車両１のエネルギー源の消費量を精度良く予測することができる。特に、第１の例では、処理装置３０は、上記の総消費量に基づいて、エネルギー源の消費が抑制される推奨走行ルートを決定する。それにより、推奨走行ルートを適切に決定することができる。なお、上記の例では、エネルギー源は電力である。
　図６は、処理装置３０が行う処理の流れの第２の例を示すフローチャートである。図６に示される制御フローは、例えば、予め設定された時間間隔で繰り返し実行される。
　図６に示される制御フローが開始されると、まず、ステップＳ３０１において、処理装置３０は、走行ルート２を走行した場合におけるバッテリ２１の電力の総消費量を予測する。図６の第２の例における走行ルート２は、例えば、ドライバにより選択されナビゲーション装置２３による案内対象のルートである。
　ステップＳ３０１では、上述した図４の制御フローが実行される。
　ステップＳ３０１の次に、ステップＳ３０２において、処理装置３０の処理部３２は、車両１の航続可能距離を予測し、図６に示される制御フローは終了する。
　ステップＳ３０２では、例えば、処理部３２は、バッテリ２１の残存容量と、ステップＳ３０１で予測された電力の総消費量とに基づいて、車両１の航続可能距離を予測する。具体的には、処理部３２は、バッテリ２１の残存容量からステップＳ３０１で予測された電力の総消費量を減算する。そして、処理部３２は、このように得られる値に車両１の電力消費率を乗算し、走行ルート２を走行し終えた車両１が走行可能な距離を予測する。さらに、処理部３２は、走行ルート２を走行し終えた車両１が走行可能な距離と、走行ルート２の走行距離との合計値を航続可能距離として予測する。そして、処理部３２は、例えば、ナビゲーション装置２３に航続可能距離を表示させることによって、航続可能距離をドライバに報知する。
　以上説明したように、第２の例では、上述した第１の例と同様に、処理装置３０は、車両１の走行ルート２に存在する信号機３の動作パターンを示す情報であるパターン情報を取得し、車両１が走行ルート２を走行した場合における車両１のエネルギー源の総消費量をパターン情報に基づいて予測する。それにより、信号機３の動作パターンを加味して上記の総消費量を予測することができるので、車両１のエネルギー源の消費量を精度良く予測することができる。特に、第２の例では、処理装置３０は、上記の総消費量に基づいて、車両１の航続可能距離を予測する。それにより、車両１の航続可能距離を精度良く予測することができる。なお、上記の例では、エネルギー源は電力である。
　上記では、図３のフローチャート、図４のフローチャートおよび、図６のフローチャートを参照して、処理装置３０が行う処理例として、第１の例および第２の例を説明した。ただし、処理装置３０が行う処理は、上記の例に限定されない。
　例えば、上記では、第１の例および第２の例において、処理部３２が、車両１が走行ルート２を走行した場合における電力の総消費量を停車回数に基づいて予測する例を説明した。ただし、処理部３２は、停車回数に相当する値を特定せずに電力の総消費量を予測してもよい。例えば、処理部３２は、上述したシミュレーション中でバッテリ２１の電力の変動についても計算することによって、電力の総消費量を予測してもよい。
　また、例えば、処理装置３０は、第１の例のように、車両１が走行ルートを走行した場合におけるエネルギー源の総消費量に基づいて推奨走行ルートを決定し、かつ、第２の例のように、上記の総消費量に基づいて車両１の航続可能距離を予測してもよい。
　また、例えば、処理装置３０は、交通管制センターのコンピュータから走行ルート２における事故、交通整理または通行止め等の情報を取得した場合、それらの情報をナビゲーション装置２３に出力し、ナビゲーション装置２３は、それらの情報に基づいて走行ルート候補を抽出してもよい。
　<処理装置の効果>
　続いて、本発明の実施形態に係る処理装置３０の効果について説明する。
　本実施形態に係る処理装置３０のプロセッサ３０ａは、車両１の走行ルート２に存在する少なくとも１つの信号機３の動作パターンを示す情報であるパターン情報を取得することと、車両１が走行ルート２を走行した場合における車両１のエネルギー源の総消費量をパターン情報に基づいて予測することと、を含む処理を実行する。それにより、信号機３の動作パターンを加味して上記の総消費量を予測することができるので、車両１のエネルギー源の消費量を精度良く予測することができる。なお、上記の例では、エネルギー源は電力である。
　また、本実施形態に係る処理装置３０のプロセッサ３０ａは、上記の総消費量に基づいて、エネルギー源の消費が抑制される推奨走行ルートを決定することを含む処理を実行することが好ましい。それにより、信号機３の動作パターンを加味して上記の総消費量を予測した上で推奨走行ルートを決定できるので、推奨走行ルートを適切に決定することができる。
　また、本実施形態に係る処理装置３０のプロセッサ３０ａは、上記の総消費量に基づいて、車両１の航続可能距離を予測することを含む処理を実行することが好ましい。それにより、信号機３の動作パターンを加味して上記の総消費量を予測した上で車両１の航続可能距離を予測できるので、車両１の航続可能距離を精度良く予測することができる。
　また、本実施形態に係る処理装置３０のプロセッサ３０ａは、車両１が信号機３で停車する回数である停車回数をパターン情報に基づいて予測することと、停車回数に基づいて、上記の総消費量を予測することと、を含む処理を実行することが好ましい。それにより、車両１が走行ルート２を走行した場合における車両１のエネルギー源の総消費量を精度良く予測することが適切に実現される。
　また、本実施形態に係る処理装置３０のプロセッサ３０ａは、車両１が信号機３で停車する時間である停車時間をパターン情報に基づいて予測することと、停車回数に加えて、停車時間に基づいて、上記の総消費量を予測することと、を含む処理を実行することが好ましい。それにより、車両１が走行ルート２を走行した場合における車両１のエネルギー源の総消費量をより精度良く予測することができる。
　また、本実施形態に係る処理装置３０のプロセッサ３０ａは、車両１が信号機３で停車した後において次に信号機３で停車するまで継続して走行する走行継続距離をパターン情報に基づいて予測することと、停車回数に加えて、走行継続距離に基づいて、上記の総消費量を予測することと、を含む処理を実行することが好ましい。それにより、車両１が走行ルート２を走行した場合における車両１のエネルギー源の総消費量をより精度良く予測することができる。
　以上、添付図面を参照しつつ本発明の好適な実施形態について説明したが、本発明は上述した実施形態に限定されないことは勿論であり、特許請求の範囲に記載された範疇における各種の変更例または修正例についても、本発明の技術的範囲に属することは言うまでもない。
　例えば、本明細書においてフローチャートを用いて説明した処理は、必ずしもフローチャートに示された順序で実行されなくてもよい。また、追加的な処理ステップが採用されてもよく、一部の処理ステップが省略されてもよい。
１　車両
２　走行ルート
３　信号機
１１　通信装置
２１　バッテリ
２２　走行用モータ
２３　ナビゲーション装置
３０　処理装置
３０ａ　プロセッサ
３０ｂ　メモリ
３１　取得部
３２　処理部

Claims (6)

  1. 　１つまたは複数のプロセッサと、
    　前記プロセッサに接続される１つまたは複数のメモリと、
    を有し、
    　前記プロセッサは、
    　車両の走行ルートに存在する少なくとも１つの信号機の動作パターンを示す情報であるパターン情報を取得することと、
    　前記車両が前記走行ルートを走行した場合における前記車両のエネルギー源の総消費量を前記パターン情報に基づいて予測することと、
    　を含む処理を実行する、
    　処理装置。
  2. 　前記プロセッサは、前記総消費量に基づいて、前記エネルギー源の消費が抑制される推奨走行ルートを決定することを含む処理を実行する、
    　請求項１に記載の処理装置。
  3. 　前記プロセッサは、前記総消費量に基づいて、前記車両の航続可能距離を予測することを含む処理を実行する、
    　請求項１に記載の処理装置。
  4. 　前記プロセッサは、
    　前記車両が前記信号機で停車する回数である停車回数を前記パターン情報に基づいて予測することと、
    　前記停車回数に基づいて、前記総消費量を予測することと、
    　を含む処理を実行する、
    　請求項１～３のいずれか一項に記載の処理装置。
  5. 　前記プロセッサは、
    　前記車両が前記信号機で停車する時間である停車時間を前記パターン情報に基づいて予測することと、
    　前記停車回数に加えて、前記停車時間に基づいて、前記総消費量を予測することと、
    　を含む処理を実行する、
    　請求項４に記載の処理装置。
  6. 　前記プロセッサは、
    　前記車両が前記信号機で停車した後において次に前記信号機で停車するまで継続して走行する走行継続距離を前記パターン情報に基づいて予測することと、
    　前記停車回数に加えて、前記走行継続距離に基づいて、前記総消費量を予測することと、
    　を含む処理を実行する、
    　請求項４に記載の処理装置。
PCT/JP2023/010406 2023-03-16 2023-03-16 処理装置 WO2024189915A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2023/010406 WO2024189915A1 (ja) 2023-03-16 2023-03-16 処理装置
US18/765,488 US20240361138A1 (en) 2023-03-16 2024-07-08 Processing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/010406 WO2024189915A1 (ja) 2023-03-16 2023-03-16 処理装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/765,488 Continuation US20240361138A1 (en) 2023-03-16 2024-07-08 Processing device

Publications (1)

Publication Number Publication Date
WO2024189915A1 true WO2024189915A1 (ja) 2024-09-19

Family

ID=92754835

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/010406 WO2024189915A1 (ja) 2023-03-16 2023-03-16 処理装置

Country Status (2)

Country Link
US (1) US20240361138A1 (ja)
WO (1) WO2024189915A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007024833A (ja) * 2005-07-21 2007-02-01 Denso Corp 車載ナビゲーション装置
JP2010164360A (ja) * 2009-01-14 2010-07-29 Denso Corp 経路探索装置
WO2013140586A1 (ja) * 2012-03-22 2013-09-26 トヨタ自動車株式会社 交通制御装置及び交通制御システム
JP2015141126A (ja) * 2014-01-29 2015-08-03 株式会社デンソー 経路計算装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007024833A (ja) * 2005-07-21 2007-02-01 Denso Corp 車載ナビゲーション装置
JP2010164360A (ja) * 2009-01-14 2010-07-29 Denso Corp 経路探索装置
WO2013140586A1 (ja) * 2012-03-22 2013-09-26 トヨタ自動車株式会社 交通制御装置及び交通制御システム
JP2015141126A (ja) * 2014-01-29 2015-08-03 株式会社デンソー 経路計算装置

Also Published As

Publication number Publication date
US20240361138A1 (en) 2024-10-31

Similar Documents

Publication Publication Date Title
US20170015328A1 (en) Drive assist apparatus and method
KR102441496B1 (ko) 예측 및 적응 이동 지원 장치, 이동 지원 방법, 및 모드 운전 구간 최적화를 위한 하이브리드 차량용 운전 지원 시스템
CN105091892B (zh) 车辆用能量管理装置
JP4702086B2 (ja) 車両用運転支援装置
CN109204300B (zh) 混合动力车辆及其行驶模式控制方法
US20130073113A1 (en) Vehicle and method for estimating a range for the vehicle
US11097718B2 (en) Hybrid vehicle
KR101769723B1 (ko) 이동 지원 장치, 이동 지원 방법, 및 구동 지원 시스템
CN105083270A (zh) 用于控制车辆的再生制动的方法和装置
JP2009274610A (ja) ハイブリッド車の制御装置
WO2013121541A1 (ja) ハイブリッド車両の制御装置
CN114834429A (zh) 混合动力车辆
KR20210079569A (ko) 전기자동차의 주행 모드에 따른 주행 가능 거리 예측 장치 및 방법
JP2014007895A (ja) 運転支援装置
WO2024189915A1 (ja) 処理装置
WO2024189914A1 (ja) 処理装置
JP6000431B1 (ja) 車両用エネルギーマネジメント装置
JP2018065474A (ja) プラグインハイブリッド車両の制御装置
JP2022075020A (ja) ハイブリッド車両
CN112406560A (zh) 调整增程器发电功率的方法、装置、存储介质及车辆
WO2019030976A1 (ja) 制御計画作成装置、制御計画作成方法及び制御計画作成システム
JP6447792B1 (ja) 制御計画作成装置、制御計画作成方法及び制御計画作成システム
JP2023031349A (ja) ハイブリッド車両の制御方法及びハイブリッド車両の制御装置
CN117022244A (zh) 一种油电混动车型的节能驱动方法、装置及电子设备
JP2022116696A (ja) 車両の制御方法及び車両の制御システム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23927534

Country of ref document: EP

Kind code of ref document: A1