JP2013215067A - 電動車両走行支援システム - Google Patents

Abstract

【課題】渋滞予兆情報に応じた総合的に経済的な運転を支援する。
【解決手段】渋滞予測部３７は、電動車両１の加速度に基づいて渋滞予兆度を算出する。走行制御部２２は、運転者が選択可能な経済運転モードにおいて、渋滞予兆度が非渋滞傾向を示す場合には速度維持または加速を優先する制御指令を出力し、渋滞予兆度が渋滞傾向を示す場合には減速を優先する制御指令を出力する。報知制御部２３は、運転者が選択可能な経済運転モードにおいて、走行制御部２２から出力される制御指令の内容に応じて表示器１４の表示態様を変化させる。スイッチ１２は、運転者の入力操作に応じて、経済運転モード、または、渋滞予兆度が渋滞傾向を示すか否かにかかわらずに減速を優先する制御指令を出力する回生優先モードの選択を指示する信号を出力する。
【選択図】図１

Description

本発明は、電動車両走行支援システムに関する。

従来、例えばアクセル操作の周期性と渋滞予兆の情報とに基づき、運転者に燃費向上の運転操作を促す運転支援装置が知られている（例えば、特許文献１参照）。
また、従来、例えばハイブリッド車両において、降坂走行中に期待できる回生発電による充電量を考慮してバッテリ放電量の許容上限値を設定し、走行経路の最大高度点で残容量が最小値になるように制御する制御装置が知られている（例えば、特許文献２参照）。
また、従来、例えば渋滞の発生位置を検知するとバッテリの残容量上限値を増大させ、車両が渋滞に到達した時点でバッテリの残容量が残容量上限値に到達するように充電し、渋滞中は残容量下限値を低下させ、モータの駆動力により走行することによって、燃費を向上させ、かつ排気ガスを抑制する充電制御装置が知られている（例えば、特許文献３参照）。

特願２０１１−０８８５６７号明細書 特開２００１−１６９４０８号公報 特開２０００−１３４７１９号公報

ところで、上記従来技術に係る運転支援装置によれば、アクセル操作の周波数特性に応じた燃費傾向を考慮して運転支援を行なうだけであり、回生発電可能な電動車両に対しては、より総合的なエネルギー収支を考慮した制御を行なうことが望まれている。
また、上記従来技術に係る制御装置によれば、降坂走行時の回生発電を考慮してバッテリを充電するだけであり、渋滞走行時のエネルギー収支を考慮した制御を行なうことが望まれている。
また、上記従来技術に係る充電制御装置によれば、渋滞中に電動走行を優先するだけであり、渋滞走行時により総合的なエネルギー収支を考慮した走行制御を行なうことが望まれている。

本発明は上記事情に鑑みてなされたもので、渋滞予兆情報に応じた総合的に経済的な運転を支援することが可能な電動車両走行支援システムを提供することを目的とする。

上記課題を解決して係る目的を達成するために、本発明の請求項１に係る電動車両走行支援システムは、電動車両の加速度に基づいて算出された渋滞予兆情報（例えば、実施の形態での渋滞予兆度）を取得する取得手段（例えば、実施の形態での渋滞予測部３７）と、前記取得手段により取得された前記渋滞予兆情報が非渋滞傾向を示す場合には速度維持または加速を優先する制御指令を出力し、前記渋滞予兆情報が渋滞傾向を示す場合には減速を優先する制御指令を出力する経済運転モード出力手段（例えば、実施の形態での走行制御部２２および報知制御部２３）と、を備える。

さらに、本発明の請求項２に係る電動車両走行支援システムは、前記経済運転モード出力手段から出力される前記制御指令の内容に応じて表示態様が変化する表示手段（例えば、実施の形態での表示器１４）を備える。

さらに、本発明の請求項３に係る電動車両走行支援システムは、前記経済運転モード出力手段から出力される前記制御指令の内容に応じて前記電動車両の走行制御を実施する制御手段（例えば、実施の形態での走行制御部２２が兼ねる）を備える。

さらに、本発明の請求項４に係る電動車両走行支援システムは、前記渋滞予兆情報が非渋滞傾向を示すか否か、および前記渋滞予兆情報が渋滞傾向を示すか否かにかかわらず、減速を優先する制御指令を出力する回生優先モード出力手段（例えば、実施の形態での走行制御部２２が兼ねる）と、運転者の入力に応じて、前記経済運転モード出力手段と前記回生優先モード出力手段とのうちの何れの一方を選択するかを設定する設定手段（例えば、実施の形態でのスイッチ１２）と、を備える。

本発明の請求項１に係る電動車両走行支援システムによれば、渋滞予兆情報が非渋滞傾向（交通流の整流化傾向）を示す場合には、現在の速度を維持または車群形成を回避するために加速することが渋滞を回避することに寄与し、ゆるやかな速度変動で所望する走行が可能となり、電費の改善につながる。
一方、渋滞予兆情報が渋滞傾向（交通流の非整流化傾向）を示す場合には、例えば速度の維持や加速によってエネルギーを損失するよりも、交通流に合わせて必要な減速をおこなうことによって回生エネルギーを得る方が、総合的なエネルギー収支において経済的な運転を実現することができる。

さらに、本発明の請求項２に係る電動車両走行支援システムによれば、加速および減速は運転者の意思で行われるが、経済運転を支援する情報を適宜のメータやインフォーメーションディスプレイなどの表示器において運転者に提供することによって、運転者に経済運転の実行を促すことができる。

さらに、本発明の請求項３に係る電動車両走行支援システムによれば、例えば電動車両の加速度スペクトル（加速度の周波数分析により得られるパワースペクトル）に基づく渋滞予兆情報は実時間性が高いことから、この応答速度に合わせて運転者が運転操作を切り替えることは難しい場合がある。このような場合であっても、経済運転モード出力手段から出力される制御指令の内容に応じて自動的に電動車両の走行を制御することによって、最適な運転操作を実施することができ、より容易に経済運転を実現することができる。

さらに、本発明の請求項４に係る電動車両走行支援システムによれば、回生可能な電動車両では、渋滞を回避する運転ではなく、回生によって航続距離を伸ばす回生優先モードを実施することによって、渋滞予兆情報にかかわらずに回生優先の走行を行なうことができ、総合的なエネルギー収支において経済的な運転を実現することができる。

本発明の実施の形態に係る電動車両走行支援システムを搭載した電動車両の構成図である。 本発明の実施の形態に係る加速度スペクトルの例を示す図である。 本発明の実施の形態に係る電動車両走行支援システムの表示器における表示例を示す図である。 本発明の実施の形態に係る電動車両走行支援システムの動作を示すフローチャートである。 本発明の実施の形態の変形例に係る電動車両走行支援システムを搭載した電動車両の構成図である。 本発明の実施の形態の変形例に係る確率密度分布の例を示す図である。 本発明の実施の形態の変形例に係る共分散値の分布の例を示す図である。 本発明の実施の形態の変形例に係る共分散最小値と傾き極大値との相間マップの例を示す図である。 本発明の実施の形態の変形例に係る交通密度と交通量の関係の例を示す図である。 本発明の実施の形態の変形例に係る車間距離分布についての共分散最小値の対数と加速度スペクトルについての傾き極大値の対数との相関マップの例を示す図である。 本発明の実施の形態の変形例に係る電動車両走行支援システムの動作を示すフローチャートである。

以下、本発明の電動車両走行支援システムの一実施形態について添付図面を参照しながら説明する。

本実施の形態による電動車両走行支援システム１０は、例えばバッテリなどの電源（図示略）からの給電によって駆動するモータ（図示略）の駆動力により走行する電動車両１に搭載され、各種センサ１１と、スイッチ１２と、各種アクチュエータ１３と、表示器１４と、スピーカー１５と、車両処理装置１６と、を備えて構成されている。

各種センサ１１は、例えば、電動車両１の車輪速などに基づき速度を検出する車速センサと、電動車両１のヨーレートを検出するヨーレートセンサとなどであって、電動車両１の走行状態に係る検出結果の信号を車両処理装置１６に出力する。

スイッチ１２は、例えば電動車両１の走行制御に係る各種の信号を車両処理装置１６に出力する。
スイッチ１２から出力される各種の信号は、例えば、運転者によるブレーキペダルやアクセルペダルの操作状態（例えば、操作位置など）に係る信号と、運転者の入力操作に応じて自動的に電動車両１の走行状態を制御する自動走行制御に係る各種信号（例えば、制御開始や制御停止を指示する信号と、目標車速や先行車両に対する目標車間距離の増減を指示する信号となど）と、経済運転モードおよび回生優先モードなどの各種の運転モードの選択を指示する信号と、などである。

なお、経済運転モードは、例えば、後述する渋滞予兆度が非渋滞傾向を示す場合には速度維持または加速を優先する制御指令を出力し、渋滞予兆度が渋滞傾向を示す場合には減速を優先する制御指令を出力する運転モードである。
また、回生優先モードは、例えば、渋滞予兆情報が渋滞傾向を示すか否かにかかわらず、減速を優先する制御指令を出力する運転モードである。

各種アクチュエータ１３は、例えば、電動車両１の駆動力を制御するスロットルアクチュエータと、電動車両１の制動を制御するブレーキアクチュエータと、電動車両１の転舵を制御するステアリングアクチュエータとなどであって、車両処理装置１６から出力される制御信号によって駆動制御される。

表示器１４は、例えば、液晶表示画面などの表示画面を備える各種のディスプレイや、フロントウィンドウ上を表示画面とした投影により表示を行なうヘッドアップディスプレイや、各種の灯体などであり、車両処理装置１６から出力される制御信号に応じた表示や点灯または消灯をおこなう。

スピーカー１５は、車両処理装置１６から出力される制御信号に応じて、警報音や音声などを出力する。
なお、表示器１４およびスピーカー１５は、例えばナビゲーション装置などの各種の車載機器に具備されていてもよい。

車両処理装置１６は、例えば、演算処理部２１と、走行制御部２２と、報知制御部２３と、を備えて構成されている。
さらに、演算処理部２１は、例えば、現在位置検出部３１と、地図データ記憶部３２と、加速度算出部３３と、周波数分析部３４と、単回帰直線算出部３５と、傾き極大値算出部３６と、渋滞予測部３７と、情報記憶部３８と、を備えて構成されている。

現在位置検出部３１は、例えば人工衛星を利用して電動車両１の位置を測定するためのＧＰＳ（Global Positioning System）信号などの測位信号を受信するアンテナ３１ａにより受信された測位信号によって電動車両１の現在位置を検出する。
なお、現在位置検出部３１は、さらに、各種センサ１１から出力される電動車両１の速度およびヨーレートなどに基づく自律航法の演算処理を併用して、電動車両１の現在位置を検出してもよい。

地図データ記憶部３２は、地図データを記憶する。
地図データは、例えば、電動車両１の現在位置に基づくマップマッチングの処理に必要とされる道路上の位置座標を示す道路座標データと、経路探索や経路誘導などの処理に必要とされる道路データ（例えば、交差点および分岐点などの道路上の所定位置の緯度および経度からなる座標点であるノードおよび各ノード間を結ぶ線であるリンクと、道路形状および道路種別となど）とを備えている。

加速度算出部３３は、例えば、各種センサ１１から出力された電動車両１の速度の情報または現在位置検出部３１により検出された現在位置の情報に基づき、速度の経時的な変化または現在位置の経時的な変化から電動車両１の加速度を算出する。

周波数分析部３４は、加速度算出部３３により算出された電動車両１の加速度に対して周波数分析を行ない、周波数に対応するパワースペクトルを算出する。
例えば、２つの異なる適宜の走行状態において加速度算出部３３により検出された電動車両１の加速度に対して周波数分析が行なわれることで、図２（Ａ），（Ｂ）に示すようなパワースペクトルとして周波数に対応した加速度スペクトルＳ１，Ｓ２が算出される。

単回帰直線算出部３５は、周波数分析部３４により算出されたパワースペクトルにおいて単回帰直線を算出する。
例えば、図２（Ａ），（Ｂ）に示す加速度スペクトルＳ１，Ｓ２に対して、単回帰直線Ｌ１，Ｌ２が算出される。

傾き極大値算出部３６は、単回帰直線算出部３５により算出された単回帰直線に対して、所定周波数範囲での単回帰直線の傾きの変化量の極大値を傾き極大値として算出する。

例えば、傾き極大値算出部３６は、図２（Ａ），（Ｂ）に示す単回帰直線Ｌ１，Ｌ２に対して、所定周波数範囲Ｙ（例えば、数秒から数分の時間範囲に対応する周波数範囲であって、０〜０．５Ｈｚなど）でのスペクトル値の変化Ｘに基づき、傾きα１，α２（＝Ｙ／Ｘ）を算出する。

渋滞予測部３７は、傾き極大値算出部３６により算出された傾き極大値に応じて、渋滞が発生する可能性あるいは既に渋滞が発生している可能性を示す渋滞予兆度を算出する。
渋滞予兆度は、例えば傾き極大値に応じたパラメータであって、電動車両１の進行方向前方において渋滞となる可能性が高い場合に大きくなり、可能性が低い場合に小さくなる。
また、渋滞予兆度の大小を判定する所定の閾値については、任意の値を定めることができるが、一般的に（１／ｆ）ゆらぎ特性として知られている「−４５度」を所定の閾値とすることができる。

例えば、単回帰直線算出部３５により算出された単回帰直線に対して、傾きαの絶対値が小さい場合は、先行車両から受ける衝撃波（振動、ゆらぎ）が小さい場合に相当し、先行車両に対する反応遅れが小さく、車間距離が長くなって車群が形成され難い、すなわち渋滞に至る可能性が小さい場合に相当する。この場合、渋滞予兆度は小さな値をとる。
逆に、傾きαの絶対値が大きい場合は、先行車両から受ける衝撃波（振動、ゆらぎ）が大きい場合に相当し、先行車両に対する反応遅れが大きく、車群が密になりやすく、すなわち渋滞に至る可能性が大きい場合に相当する。この場合、渋滞予兆度は大きな値をとる。
なお、ここで言う衝撃波（振動、ゆらぎ）とは、車両が加速および減速の動作を繰り返すことにより、この動作（前後の動き）を後方の車両に一種の振動として伝播させることを意味する。

したがって、渋滞予測部３７は、単回帰直線算出部３５により算出された単回帰直線の傾きαの大きさ、より具体的には、傾き極大値算出部３６によって算出された傾き極大値に応じて渋滞予兆度を算出する。
例えば、渋滞予測部３７は、傾き極大値（ｘ）と渋滞予兆度（ｙ）との関係を示す関数（例えば、ｙ＝ａｘ＋ｂなど）を予め求めておき、傾き極大値算出部３６によって算出された傾き極大値（ｘ）に対する渋滞予兆度（ｙ）を算出する。
なお、渋滞予測部３７は、傾き極大値と対応する渋滞予兆度の値との関係を予め作成してテーブルとして情報記憶部３８に格納しておき、算出された傾き極大値に対する渋滞予兆度をそのテーブルを参照して求めることもできる。

さらに、渋滞予測部３７は、算出した渋滞予兆度および地図データ記憶部３２に記憶されている地図データに基づき、電動車両１において渋滞回避さらには渋滞解消に必要とされる走行の支援を示す走行支援情報を作成する。
走行支援情報は、例えば、渋滞の発生を未然に阻止することを可能とするために電動車両１の走行制御に用いられたり、電動車両１の表示器１４やスピーカー１５から運転者に報知される情報である。
より詳細には、例えば、電動車両１において渋滞回避さらには渋滞解消に必要とされる自動走行制御での目標車速や目標車間距離の情報や、先行車両に対する車間距離の増大や加速動作の抑制などの所定の運転操作の情報や、電動車両１に対する経路探索や経路誘導の情報などである。

情報記憶部３８は、渋滞予測部３７により逐次作成された渋滞予兆度および走行支援情報を記憶する。

走行制御部２２は、渋滞予測部３７によって算出された渋滞予兆度および走行支援情報と、スイッチ１２から出力される各種の信号と、各種センサ１１から出力される電動車両１の走行状態に係る検出結果の信号となどに基づき、例えばスロットルアクチュエータとブレーキアクチュエータとステアリングアクチュエータとを駆動制御することによって、電動車両１の走行を制御する。

例えば、走行制御部２２は、スイッチ１２から出力される信号に応じて、自動走行制御の実行を開始または停止したり、自動走行制御での目標車速や目標車間距離の設定や変更を行なう。

また、例えば、走行制御部２２は、スイッチ１２から出力される信号に応じて運転者によって経済運転モードの実施が選択されている場合において、渋滞予測部３７によって算出された渋滞予兆度が非渋滞傾向を示す場合には速度維持または加速を優先する制御指令を出力し、渋滞予兆度が渋滞傾向を示す場合には減速を優先する制御指令を出力する。
また、例えば、走行制御部２２は、スイッチ１２から出力される信号に応じて運転者によって回生優先モードの実施が選択されている場合には、渋滞予兆度が渋滞傾向を示すか否かにかかわらず、減速を優先する制御指令を出力する。

なお、渋滞予兆度が示す渋滞傾向は、交通流の非整流化傾向であって、例えば、傾き極大値算出部３６により算出された傾き極大値の絶対値が所定値範囲（例えば、３０°〜４５°の範囲など）よりも大きい場合に相当し、電動車両１の進行方向前方に渋滞が発生する可能性が高いこと（あるいは、既に渋滞が発生している可能性が高いことなど）を示す。
一方、渋滞予兆度が示す非渋滞傾向は、交通流の整流化傾向であって、例えば、傾き極大値算出部３６により算出された傾き極大値の絶対値が所定値範囲（例えば、３０°〜４５°の範囲など）よりも小さい場合に相当し、電動車両１の進行方向前方に渋滞が発生する可能性が低いこと（あるいは、既に渋滞が発生している可能性が低いことなど）を示す。

つまり、走行制御部２２は、経済運転モードにおいて非渋滞傾向であれば、電動車両１が渋滞を回避するようにして、さらには電動車両１の後続車両が渋滞を起こし難いようにして、あるいは、電動車両１の周辺の渋滞を解消するようにして、現在の速度を維持または車群形成を回避するために加速することを優先するよう指示する。
一方、経済運転モードにおいて渋滞傾向であれば、速度の維持や加速によってエネルギーを損失するよりも、交通流に合わせて必要な減速をおこなうことによって回生エネルギーを得るようにして、減速することを優先するよう指示する。

なお、走行制御部２２は、速度維持または加速、あるいは減速を優先するよう指示する制御指令として、例えば、各種アクチュエータ１３の作動に係る各種のパラメータを変更する制御指令を出力したり、自動走行制御（例えば、実際の車速を目標車速に一致させる定速走行制御や、先行車両などの他車両に対する実際の車間距離を目標車間距離に一致させる車間距離制御や追従走行制御など）に必要とされる目標車速や目標車間距離を変更する制御指令を出力することによって、電動車両１の運転を制御する。

報知制御部２３は、渋滞予測部３７によって算出された渋滞予兆度および走行支援情報と、スイッチ１２から出力される各種の信号となどに基づき、表示器１４とスピーカー１５とを制御することによって、各種の報知動作を制御する。

例えば、報知制御部２３は、渋滞予測部３７によって逐次算出された渋滞予兆度の変化を時系列的に表示可能であって、図３（Ａ），（Ｂ）に示す表示例においては、渋滞予兆度の大きさに応じた表示態様（例えば、渋滞予兆度の大きさに応じた高さおよび表示色を有する棒状グラフなどのいわばアナログ的な表示）によって、現在から所定の過去に亘って渋滞予測部３７によって算出された渋滞予兆度の履歴を表示する。

報知制御部２３は、スイッチ１２から出力される信号に応じて運転者によって経済運転モードの実施が選択されている場合において、渋滞予測部３７によって算出された渋滞予兆度が非渋滞傾向を示す場合には、例えば図３（Ａ）に示すように、所定の閾値よりも小さい渋滞予兆度を所定の表示色（例えば、速度維持または加速を優先することを示す緑色など）によって表示する。
一方、渋滞予兆度が渋滞傾向を示す場合には、例えば図３（Ｂ）に示すように、所定の閾値よりも大きい渋滞予兆度を所定の表示色（例えば、減速を優先することを示す赤色など）によって表示する。

つまり、報知制御部２３は、経済運転モードにおいて非渋滞傾向であれば、電動車両１が渋滞を回避するようにして、さらには電動車両１の後続車両が渋滞を起こし難いようにして、あるいは、電動車両１の周辺の渋滞を解消するようにして、現在の速度を維持または車群形成を回避するために加速することを優先するよう指示する報知を行なう。
一方、経済運転モードにおいて渋滞傾向であれば、速度の維持や加速によってエネルギーを損失するよりも、交通流に合わせて必要な減速をおこなうことによって回生エネルギーを得るようにして、減速することを優先するよう指示する報知を行なう。

なお、報知制御部２３は、例えば図３（Ａ），（Ｂ）に示すようなグラフ表示に限定されず、例えば、速度維持または加速、あるいは減速の優先を直接的に指示するメッセージを表示したり、適宜の点灯表示や点滅表示などによっていわば間接的に、速度維持または加速、あるいは減速の優先を指示してもよい。

さらに、報知制御部２３は、例えば、スピーカー１５からの警報音や音声などの出力を制御して、運転操作の指示（例えば、速度維持または加速、あるいは減速の優先の指示や、目標車速や目標車間距離の指示など）を報知する。

また、例えば、報知制御部２３は、スイッチ１２から出力される信号に応じて運転者によって回生優先モードの実施が選択されている場合には、渋滞予兆度が渋滞傾向を示すか否かにかかわらず、減速することを優先するよう指示する報知を、表示器１４およびスピーカー１５によって行なう。

本実施の形態による電動車両走行支援システム１０は上記構成を備えており、次に、この電動車両走行支援システム１０の動作について説明する。

先ず、例えば図４に示すステップＳ０１においては、各種センサ１１の車速センサにより電動車両１の速度を検出し、現在位置検出部３１により電動車両１の現在位置を検出する。
次に、ステップＳ０２においては、電動車両１の速度または現在位置に基づき、速度の経時的な変化または現在位置の経時的な変化から、電動車両１の加速度を算出する。

次に、ステップＳ０３においては、電動車両１の加速度に対して周波数分析を行ない、周波数に対応するパワースペクトルを算出する。
次に、ステップＳ０４においては、パワースペクトルにおいて単回帰直線を算出し、所定周波数範囲での単回帰直線の傾きの変化量の極大値を傾き極大値として算出する。

次に、ステップＳ０５においては、傾き極大値（例えば、所定値以上の傾き極大値など）が算出されたか否かを判定する。
この判定結果が「ＮＯ」の場合には、上述したステップＳ０１に戻る。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ０６に進む。
そして、ステップＳ０６においては、傾き極大値の絶対値に応じて、渋滞が発生する可能性あるいは既に渋滞が発生している可能性を示す渋滞予兆度を算出する。

次に、ステップＳ０７においては、例えば傾き極大値の絶対値が所定値範囲（例えば、３０°〜４５°の範囲など）よりも大きいか否かに対応して、算出した渋滞予兆度は渋滞傾向を示すか否かを判定する。
この判定結果が「ＹＥＳ」の場合には、ステップＳ０８に進み、このステップＳ０８においては、減速を優先する制御指令を出力し、エンドに進む。
一方、この判定結果が「ＮＯ」の場合には、ステップＳ０９に進み、このステップＳ０９においては、速度維持または加速を優先する制御指令を出力し、エンドに進む。

上述したように、本実施の形態による電動車両走行支援システム１０によれば、渋滞予兆度が非渋滞傾向を示すか、あるいは渋滞傾向を示すかに応じて、電動車両１の走行状態の違いに起因する総合的なエネルギー収支を考慮して、走行パターンを詳細に制御することによって、例えば内燃機関を走行駆動源とする車両に比べてエネルギー出力が小さい電動車両１であっても、運転効率を向上させることができる。
つまり、経済運転モードにおいて渋滞予兆度が非渋滞傾向を示す場合には、現在の速度を維持または車群形成を回避するために加速することを優先することによって、渋滞を回避することができ、ゆるやかな速度変動で所望する走行が可能となり、電費を向上させることができる。
一方、経済運転モードにおいて渋滞予兆度が渋滞傾向を示す場合には、例えば速度の維持や加速によってエネルギーを損失する場合に比べて、交通流に合わせて必要な減速を優先することによって回生エネルギーを回収し、総合的なエネルギー収支において経済的な運転を実現することができる。

さらに、経済運転モードにおいて、経済運転を支援する情報として、渋滞予兆度の履歴をアナログ的に表示することによって、運転者に経済運転の実行を促すことができる。
また、経済運転モードにおいて、渋滞予兆度が非渋滞傾向を示すか、あるいは渋滞傾向を示すかに応じて、自動的に電動車両１の走行を制御することによって、総合的なエネルギー収支において最適な運転操作を実施することができ、より容易に経済運転を実現することができる。

さらに、経済運転モードおよび回生優先モードなどの各種の運転モードを運転者により選択可能としたことによって、渋滞予兆度にかかわらずに航続距離を伸ばす回生優先の走行を行なうことができ、経済的な運転を実現することができる。

なお、上述した実施の形態においては、例えば図５に示す変形例に係る電動車両１のように、電動車両１の加速度に加えて、電動車両１と先行車両との車間距離の情報に基づいて、渋滞予測の演算を行なってもよい。

この変形例に係る電動車両１の構成において、上述した実施の形態の電動車両１の構成と異なる点は、例えば、演算処理部２１において、先行車両検知部４１と、車間距離算出部４２と、車間距離分布推定部４３と、共分散最小値算出部４４と、相関演算部４５と、が追加されている点と、各種センサ１１として、電動車両１の外界を検出するレーダ装置や撮像装置などの外界センサが追加されている点とである。

つまり、変形例の電動車両１の演算処理部２１は、例えば、現在位置検出部３１と、地図データ記憶部３２と、加速度算出部３３と、周波数分析部３４と、単回帰直線算出部３５と、傾き極大値算出部３６と、渋滞予測部３７と、情報記憶部３８と、先行車両検知部４１と、車間距離算出部４２と、車間距離分布推定部４３と、共分散最小値算出部４４と、相関演算部４５と、を備えて構成されている。

なお、レーダ装置は、電動車両１の外界（進行方向前方の外界など）に設定された検出対象領域を複数の角度領域に分割し、各角度領域を走査するようにして、電磁波の発信信号を発信する。そして、各発信信号が電動車両１の外部の物体（例えば、先行車両など）や歩行者によって反射されることで生じた反射波の反射信号を受信する。そして、発信信号および反射信号に応じた信号、例えばレーダ装置から外部の物体や歩行者までの距離に係る検知信号などを生成し、この検知信号を出力する。

また、例えば、撮像装置はカメラを備え、電動車両１の外界（進行方向前方の外界など）に設定された撮像領域を撮像して得た画像に所定の画像処理を行なって画像データ（例えば、動画像または時系列の間欠的な複数の静止画像など）を生成し、この画像データを出力する。

先行車両検知部４１は、外界センサから出力された信号に基づき、電動車両１の進行方向の前方に存在する先行車両を検知する。
車間距離算出部４２は、先行車両検知部４１により検知された電動車両１の各先行車両に対して車間距離を検出する。

車間距離分布推定部４３は、車間距離算出部４２により検出された電動車両１の各先行車両に対する車間距離と、先行車両の検知台数とに基づき、車間距離分布を推定する。

例えば、車間距離分布推定部４３は、車間距離と車両台数の情報から電動車両１の前方での車群（すなわち、車間距離が比較的緻密な先行車両の集合）が検知される場合、変分ベイズなどの分布推定法を用いて各車群に対してガウス分布（確率密度分布）を適用する。
例えば２つの車群が検知される場合は、２つの車群を２つのガウス分布を線形結合した分布として捉えることができ、例えば図６に示すように、２つのガウス分布を表わす確率関数Ｐ１（Ｘ）、Ｐ２（Ｘ）の和（重ね合わせ）として全体の分布を表す確率関数Ｐ（Ｘ）を得る。

ここで、ガウス分布（確率関数）をＮ（ｘ｜μ，Σ）で表すと、図６に例示されるような複数のガウス分布の重ね合わせは、下記数式（１）に示すように記述される。

なお、上記数式（１）において、例えば任意の自然数ｋに対して、期待値（平均値）μ_ｋは密度が最も高い位置を表す。共分散値（行列）Σ_ｋは、分布のゆがみ、すなわち期待値μ_ｋからどの方向に離れると密度がどのように減るかを表す。ガウス分布の混合係数（混合比）π_ｋ（０≦π_ｋ≦１）は、各ガウス分布がどれだけ寄与しているかの割合を表し、いわゆる確率とされている。

共分散最小値算出部４４は、例えば上記した確率関数Ｐ（Ｘ）から得られる尤度関数が最大となるパラメータ（共分散）を求めるために変分ベイズなどを用いて算出処理をおこなう。
例えば、共分散最小値算出部４４は、図６で例示されるような複数のガウス分布の重ね合わせとして得られる確率関数Ｐ（Ｘ）に対しては、各ガウス分布に対して共分散値Σ_ｋを算出する。そして、各ガウス分布に対して得られた複数の共分散値Σ_ｋの最小値を算出する。

例えば図７（Ａ）に示すような共分散値Σ_ｋの分布のグラフＶは、共分散値Σ_ｋに係る変数δ（例えば、共分散値Σ_ｋそのものなど）に対して、変数δ＝０においてシャープなグラフとなっており、車群の変動が無い、すなわち車間距離がほぼ一定の走行状態にあることを示唆している。
一方、図７（Ｂ）に示すような共分散値Σ_ｋの分布は、共分散値Σ_ｋに係る変数δの負の領域の値δ１でピークを持つグラフＶ１と正の領域の値δ２でピークを持つグラフＶ２の２つのグラフにより構成されている。各グラフＶ１、Ｖ２は共分散値Σ_ｋに係る変数δに対して所定の変動幅を有しており、車群の変動が有る、言い換えれば車間距離が異なる車両２の集合が複数存在することを示唆している。
そして、例えば図７（Ａ）において、共分散値Σ_ｋの最小値（共分散最小値）はほぼゼロとなり、例えば図７（Ｂ）において、共分散値Σ_ｋの最小値は２つの値δ１，δ２のうち小さいほうの値δ１となる。

相関演算部４５は、傾き極大値算出部３６により算出された傾き極大値と、共分散最小値算出部４４によって算出された共分散最小値との相関マップを作成する。
例えば図８に示す傾き極大値と共分散最小値との相関マップのイメージ（概念）図では、横（Ｘ）軸を共分散最小値Ｘとし、縦（Ｙ）軸を傾き極大値Ｙとして、変数（Ｘ、Ｙ）の相関をマッピングしている。

例えば図８に示す相関マップでは、２つの領域Ａ１，Ａ２が示されており、２つの領域Ａ１，Ａ２が重なっている境界領域Ａ３が存在している。領域Ａ１は比較的共分散最小値が小さく、車群の変動が小さい状態、言い換えれば車間距離が比較的一定しているような状態に相当する。逆に領域Ａ２は比較的共分散最小値が大きく、車群の変動が大きい状態、言い換えれば車間距離が異なる車の集合が複数存在する状態に相当する。
境界領域Ａ３は、車群の変動が小さい状態から大きい状態へ遷移する領域であり、この境界領域Ａ３に相当する車群の状態を定量的に見出すことによって、渋滞予測をおこなうことができる。

例えば図９に示すような交通密度と交通量の関係を示す図において、グラフの横（Ｘ）軸は、適宜の車両から所定距離内に存在する他の車両の台数を意味する交通密度であり、この交通密度の逆数が車間距離に相当する。縦（Ｙ）軸は所定位置を通過する車両数を意味する交通量である。
例えば図９に示すような交通密度と交通量の関係を示す図は、いわば車両の流れを意味する交通流を表わしていると捉える事ができる。

図９で例示される交通流は、大きく４つの状態（領域）に区分けすることができる。
第１の状態は、渋滞が発生する可能性が低い自由流の状態であって、ここでは一定以上の加速度および車間距離が確保可能である。
第２の状態は、車両の制動状態と加速状態が混合する混合流の状態である。この混合流の状態は、渋滞流に移行する前の状態であって、運転者による運転の自由度が低下して、交通密度の増大（車間距離の縮小）によって渋滞流へと移行する確率が高い状態である。
第３の状態は、渋滞を示す渋滞流の状態である。
第４の状態は、自由流の状態から混合流の状態へ移行する間に存在する遷移状態である臨界領域である。この臨界領域は、自由流に比べて交通量および交通密度が高い状態であって、交通量の低下と交通密度の増大（車間距離の縮小）によって混合流へと移行する状態である。なお、臨界領域は、準安定流、メタ安定流と呼ばれることもある。

そして、例えば図８に示される領域Ａ１は、例えば図９に示される自由流および臨界領域を含むことになり、例えば図８に示される領域Ａ２は、例えば図９に示される混合流および渋滞流の状態を含むことになる。
したがって、例えば図８に示される境界領域は、例えば図９に示される臨界領域と混合流の状態との双方を含む境界状態であり、例えば図９に示される臨界領域の境界とされる。
この臨界領域の境界を含む臨界領域を定量的に把握することによって、混合流の状態への移行を抑制して渋滞の発生を防ぐことが可能である。

以下に、例えば車間距離分布についての共分散最小値の対数と加速度スペクトルについての傾き極大値の対数との相関マップを示す図１０（Ａ），（Ｂ）を参照しながら臨界領域の定量化について説明する。
図１０（Ａ）は図９に示される交通流のマップを簡略化して描いた図であり、図１０（Ｂ）は共分散最小値の対数と傾き極大値の対数との相関マップを示す。
図１０（Ｂ）に示される共分散最小値の対数と傾き極大値の対数は、傾き極大値算出部３６により算出された傾き極大値と共分散最小値算出部４４によって算出された共分散最小値との対数値として算出され、臨界領域における相転移状態のパラメータ化を描写したものである。

例えば図１０（Ｂ）において、領域Ｂ１は図１０（Ａ）に示される臨界領域を含み、領域Ｂ２は図１０（Ａ）に示される混合流の状態を含む。臨界線Ｃは、これを越えて混合流の状態へ移行すると渋滞に至ってしまう可能性が高い臨界点を意味する。各領域Ｂ１，Ｂ２の境界領域Ｂ３は臨界線Ｃ直前の臨界領域の境界に相当する。
なお、図１０（Ｂ）に例示される相関マップは車両処理装置１６内の情報記憶部３８に格納される。

この変形例の渋滞予測部３７は、相関演算部４５によって作成された相関マップにおいて、臨界領域の境界の状態が存在するか否かを判定し、この判定結果に応じて渋滞予兆度を算出する。さらに、相関マップにおいて、臨界領域の境界の状態が存在する場合には、渋滞への移行を阻止すべく、地図データ記憶部３２に記憶されている地図データを参照して、走行支援情報を作成する。

なお、この変形例での渋滞予兆度は、例えば、渋滞が発生する可能性（渋滞予兆度）が所定の閾値よりも高いことを示し、相関マップにおいて臨界領域の境界の状態が存在しない場合に対応して、渋滞が発生する可能性（渋滞予兆度）が所定の閾値よりも低いことを示す。

この変形例による電動車両１は上記構成を備えており、次に、この電動車両１の車両処理装置１６の動作について説明する。

先ず、例えば図１１に示すステップＳ１１においては、各種センサ１１の車速センサにより電動車両１の速度を検出し、現在位置検出部３１により電動車両１の現在位置を検出する。
次に、ステップＳ１２においては、電動車両１の速度または現在位置に基づき、速度の経時的な変化または現在位置の経時的な変化から、電動車両１の加速度を算出する。

次に、ステップＳ１３においては、電動車両１の加速度に対して周波数分析を行ない、周波数に対応するパワースペクトルを算出する。
次に、ステップＳ１４においては、パワースペクトルにおいて単回帰直線を算出し、所定周波数範囲での単回帰直線の傾きの変化量の極大値を傾き極大値として算出する。

次に、ステップＳ１５においては、傾き極大値（例えば、所定値以上の傾き極大値など）が算出されたか否かを判定する。
この判定結果が「ＮＯ」の場合には、上述したステップＳ１１に戻る。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ１６に進む。

次に、ステップＳ１６においては、電動車両１の進行方向前方に存在する先行車両を検知し、電動車両１の各先行車両に対する車間距離を算出する。
次に、ステップＳ１７においては、電動車両１の各先行車両に対する車間距離と、複数の先行車両の検出台数とに基づき、車間距離分布を推定する。
次に、ステップＳ１８においては、車間距離分布から共分散の最小値を算出する。
次に、ステップＳ１９においては、共分散の最小値と傾き極大値との相関関係から電動車両１の進行方向前方の車群分布を推定する。

次に、ステップＳ２０においては、共分散最小値と加速度スペクトルの傾き極大値との相関マップにおいて臨界領域の境界の状態が存在するか否かを判定する。
この判定結果が「ＮＯ」の場合には、上述したステップＳ１１に戻る。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ２１に進む。
次に、ステップＳ２１においては、傾き極大値に応じて、渋滞が発生する可能性あるいは既に渋滞が発生している可能性を示す渋滞予兆度を算出する。

次に、ステップＳ２２においては、例えば傾き極大値の絶対値が所定値範囲（例えば、３０°〜４５°の範囲など）よりも大きいか否かに対応して、算出した渋滞予兆度は渋滞傾向を示すか否かを判定する。
この判定結果が「ＹＥＳ」の場合には、ステップＳ２３に進み、このステップＳ２３においては、減速を優先する制御指令を出力し、エンドに進む。
一方、この判定結果が「ＮＯ」の場合には、ステップＳ２４に進み、このステップＳ２４においては、速度維持または加速を優先する制御指令を出力し、エンドに進む。

この変形例に係るナビゲーション装置１０によれば、電動車両１の加速度に加えて、電動車両１と先行車両との車間距離という容易に取得可能な情報を組み合わせて渋滞予兆度を算出することにより、渋滞予兆度の算出精度および信頼性を向上させることができ、渋滞予兆度に応じた走行制御を、より適正化することができる。

なお、上述した実施の形態の変形例においては、例えばレーダ装置および撮像装置などの外界センサの代わりに、他車両と通信可能な車載通信装置によって他車両の現在位置の情報を取得して、電動車両１と先行車両との車間距離を算出してもよい。

なお、本発明の一実施形態に係る渋滞予測装置１０は、専用のハードウェアにより実現されるものであってもよく、また、メモリおよびＣＰＵにより構成され、渋滞予測装置１０の機能を実現するためのプログラム（データ更新用のプログラム）をメモリにロードして実行することによりその機能を実現するものであってもよい。

また、上述した本発明に係るプログラムをコンピュータ読みとり可能な記憶媒体に記憶して、この記憶媒体に記憶されたプログラムをコンピュータシステムに読み込ませ、実行することにより制御を行ってもよい。なお、ここで言うコンピュータシステムとはＯＳや周辺機器等のハードウェアを含むものであってもよい。

また、コンピュータ読みとり可能な記憶媒体とは、ＤＶＤ、メモリカード等の可搬記憶媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことを言う。さらに、コンピュータ読みとり可能な記憶媒体とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。
また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに、前述した機能をコンピュータシステムにすでに記憶されているプログラムとの組み合わせで実現できるものであってもよい。

１ 電動車両
１０ 電動車両走行支援システム
１２ スイッチ（設定手段）
１４ 表示器（表示手段）
２２ 走行制御部（経済運転モード出力手段、制御手段、回生優先モード出力手段）
２３ 報知制御部（経済運転モード出力手段）
３７ 渋滞予測部（取得手段）

Claims (4)

1. 電動車両の加速度に基づいて算出された渋滞予兆情報を取得する取得手段と、
   前記取得手段により取得された前記渋滞予兆情報が非渋滞傾向を示す場合には速度維持または加速を優先する制御指令を出力し、前記渋滞予兆情報が渋滞傾向を示す場合には減速を優先する制御指令を出力する経済運転モード出力手段と、を備えることを特徴とする電動車両走行支援システム。
2. 前記経済運転モード出力手段から出力される前記制御指令の内容に応じて表示態様が変化する表示手段を備えることを特徴とする請求項１の電動車両走行支援システム。
3. 前記経済運転モード出力手段から出力される前記制御指令の内容に応じて前記電動車両の走行制御を実施する制御手段を備えることを特徴とする請求項１または請求項２に記載の電動車両走行支援システム。
4. 前記渋滞予兆情報が非渋滞傾向を示すか否か、および前記渋滞予兆情報が渋滞傾向を示すか否かにかかわらず、減速を優先する制御指令を出力する回生優先モード出力手段と、
   運転者の入力に応じて、前記経済運転モード出力手段と前記回生優先モード出力手段とのうちの何れの一方を選択するかを設定する設定手段と、を備えることを特徴とする請求項１または請求項２に記載の電動車両走行支援システム。

Images