CN102023018A - 能量消耗量预测方法、能量消耗量预测装置及终端装置 - Google Patents

能量消耗量预测方法、能量消耗量预测装置及终端装置 Download PDF

Info

Publication number
CN102023018A
CN102023018A CN2010102621516A CN201010262151A CN102023018A CN 102023018 A CN102023018 A CN 102023018A CN 2010102621516 A CN2010102621516 A CN 2010102621516A CN 201010262151 A CN201010262151 A CN 201010262151A CN 102023018 A CN102023018 A CN 102023018A
Authority
CN
China
Prior art keywords
energy consumption
feature amount
prediction
terrain feature
traffic route
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
CN2010102621516A
Other languages
English (en)
Other versions
CN102023018B (zh
Inventor
河野敏明
伏木匠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Faurecia Clarion Electronics Co Ltd
Original Assignee
Clarion Co Ltd
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 Clarion Co Ltd filed Critical Clarion Co Ltd
Publication of CN102023018A publication Critical patent/CN102023018A/zh
Application granted granted Critical
Publication of CN102023018B publication Critical patent/CN102023018B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route

Abstract

本发明提供一种能量消耗量预测方法、能量消耗量预测装置及终端装置，其目的在于，不取决于特定行驶模式、车辆特性，而利用交通线路固有的量即地形特征量来预测车辆的能量消耗量。对车辆行驶在交通线路上时所消耗的消耗能量进行预测的导航服务器(1)，以从探测车(2)收集到的能量消耗量为基础，按照每个交通线路计算所述交通线路的地形对消耗能量带来的影响即地形特征量，并以所述地形特征量为基础，计算作为处理对象而被选择的交通线路的预测能量消耗量。导航终端(3)，获取该预测能量消耗量，并将获取到的预测能量消耗量作为成本，进行路径搜索。

Description

能量消耗量预测方法、能量消耗量预测装置及终端装置
技术领域
本发明涉及能量消耗量预测方法、能量消耗量预测装置及终端装置的技术。
背景技术
由于环境问题的扩大等，车辆中的能量的有效利用成为课题。因此，例如，在进行能量消耗量预测的导航系统(以下，记为导航系统)中，提出搜索能量消耗量很少即可完成的路径的节能技术等。在这样的节能技术中，需要预测车辆的能量消耗量的技术。而且，在此叙述的能量消耗量，是指包括电能消耗量和燃料消耗量双方。
作为预测车辆行驶时的能量消耗量的方法，公开有采用对车辆的能量消耗量进行计算的物理模型的方法，和根据过去的能量消耗量的实际结果值的方法。
在采用物理模型的方法中，公开有利用道路的三维形状、车辆的行驶速度或加减速的行驶模式的预测结果、表示各个车辆的能量消耗特性的车辆特性信息等，而根据运动方程式计算的方法。
此外，作为根据过去的能量消耗的实际结果的方法，公开有通过探测车，收集能量消耗量、或速度、或车型的信息，并在预测时，进行根据过去的收集数据的实际结果的预测的方法。在此，探测车是指将搭载于车辆的传感器的信息、或驾驶员的操作履历，通过无线或LAN(Local AreaNetwork)、或者基于无线LAN的互联网连接、手机等通信单元，发送给导航服务器的车辆。
作为根据探测车的收集数据(实际结果)的能量消耗量预测的示例，列举有专利文献1所示的技术。在该技术中，首先，通过探测车，导航服务器收集了每个道路区间的燃料消耗量、用于区别车型或车外形的识别信息、表示车辆的速度或加减速或装置的操作信息等的动作信息。然后，在导航服务器中构筑将燃料消耗量按各个识别信息或各个动作信息进行合计后的数据库。预测燃料消耗量时，将从数据库检索出与对象车辆的识别信息和动作信息对应的数据后得到的结果作为燃料消耗量预测来使用。
[专利文献1]JP特开2008-20382号公报
在使用所述的物理模型的方法时，存在以下问题：当与道路的三维形状相关的信息未被整理、或者精度低时，不能实施能量消耗量预测，或者使预测的精度变低。
此外，在使用根据探测车的实际结果的方法时，存在以下问题：在过去未收集数据，或者根据样品数少的车型中的动作信息计算出的能量消耗量不能实施能量消耗量预测，或者使预测精度降低，而且，为了进行全部车型动作信息下的预测，需要利用多个探测车，或需要进行长期间数据收集。
发明内容
鉴于这样的背景而形成本发明，本发明，其目的在于，不依赖特定的行驶模式、车辆特性，利用作为交通线路(link)固有的量的地形特征量来预测车辆的能量消耗量。
为了解决上述课题，本发明以从探测车收集到的能量消耗量为基础，按照每个交通线路计算所述交通线路的地形对消耗能量的影响即地形特征量，并以所述地形特征量为基础，计算被选择为处理对象的交通线路的预测能量消耗量。
根据本发明，能够不依赖特定的行驶模式、车辆特性，利用作为交通线路(link)固有的量的地形特征量来预测车辆的能量消耗量。
附图说明
图1是表示第一实施方式的能量消耗量预测系统的结构例的图。
图2是表示第一实施方式的探测发送数据的格式例的图。
图3是表示第一实施方式的探测数据DB的格式例的图。
图4是表示第一实施方式的车型特性DB的格式例的图。
图5是表示第一实施方式的地形特征量生成处理的步骤的流程图。
图6是第一实施方式的行驶模式推定概念图。
图7是表示第一实施方式的行驶模式分析处理的步骤的流程图。
图8是表示第一实施方式的地形特征量计算处理的步骤的流程图。
图9是表示第一实施方式的地形特征量DB的格式例的图。
图10是表示从导航终端发送来的预测能量消耗量请求的格式例的图。
图11是表示第一实施方式的能量消耗量预测处理的步骤的流程图。
图12是表示第一实施方式的预测能量消耗量传送数据的格式例的图。
图13是表示第一实施方式的路径搜索处理的步骤的流程图。
图14是表示第一实施方式的路径显示例的图(之一)。
图15是表示第一实施方式的路径显示例的图(之二)。。
图16是表示第二实施方式的能量消耗量预测系统的结构例的图。
图17是表示第二实施方式的地形特征量发送请求的格式例的图。
图18是表示第二实施方式的地形特征量更新处理的步骤的流程图。
图19是表示第二实施方式的地形特征量发送数据的格式例的图。
图20是表示第二实施方式的路径搜索处理的步骤的流程图。
图中：
1、1a-导航服务器(能量消耗量预测装置)，
2-探测车，
3、3a-导航终端(终端装置)，
4-通信网络，
5-用户PC，
100-地形特征量生成部，
101-地形特征量计算部，
120-能量消耗量预测部，
121-交通信息预测部，
122-预测能量消耗量计算部，
131-探测数据DB，
132-道路地图DB(导航服务器)，
133-车型特性DB(导航服务器)，
134-地形特征量DB(导航服务器)，
151-地形特征量发送部，
302-输出部，
303-输入部，
304-GPS接收部，
305-路径搜索部，
306-路径引导部，
307-道路地图(导航终端)，
308-外部介质读取部，
309-地形特征量DB(导航终端)，
310-地形特征量更新部，
311-车型特性DB(导航终端)，
320-能量消耗量预测部(导航终端)，
321-交通信息预测部，
322-预测能量消耗量计算部，
A、B-能量消耗量预测系统。
具体实施方式
接着，针对用于实施本发明的方式(称为实施方式)，适当参照附图，详细地进行说明。
[第一实施方式]
首先，参照图1～图15，来针对本发明的第一实施方式进行说明。
(系统结构)
图1是表示第一实施方式的能量消耗量预测系统的结构例的图。
能量消耗量预测系统A，具有：通过通信网络4能够相互通信的导航服务器(以下，记载为导航服务器1)；导航终端(以下，记载为导航终端3)及探测车2。通信网络4是指无线LAN或者LAN、经由无线LAN的互联网、或者是手机网等。
探测车2具有将车型或交通线路数据等发送给导航服务器1的功能。探测车2具有：通信部201；传感器部202；GPS(Global Positioning System)接收部203；地图匹配部204；道路地图DB(Data Base)205；以及处理部206。
传感器部202具有测定探测车2自身的能量消耗量的功能。能量消耗量的测定，若是电动汽车，则通过电量计来测定电力的消耗量，若是内燃机搭载车，则根据将燃料流量计或喷油器开阀时间的测量值乘以单位时间的喷射量而得到的结果等来测定燃料消耗量。
GPS接收部203具有收集时刻和坐标的GPS功能。
道路地图DB205，是存储有道路地图的存储装置。道路地图，由构成道路的交通线路的集合构成，在各交通线路中，作为属性信息附带有下列交通线路信息：交通线路号码；交通线路长度；高速、一般道路这样的道路种类；交通线路的坐标；以及与其它交通线路的连接关系等。此外，在交通线路信息中，可以包括该交通线路中的规定速度等。而且，所谓交通线路是指例如从交叉点到交叉点之间等用于表示道路上的规定区间的交通线路，是道路地图的构成单位。在本实施方式中，道路的上下线，分别作为不同的交通线路来存储。此外，在本实施方式中，将存储于道路地图DB的与交通线路相关的信息作为交通线路信息，将从探测车2发送来的与交通线路相关的信息作为交通线路数据来进行区别。
地图匹配部204，通过以GPS接收部203的时刻、坐标的信息为基础，与道路地图中包含的交通线路进行地图匹配，从而对行驶的交通线路进行确定。探测车2的处理部206，通过该结果与由传感器部202得到的能量消耗量的信息，来计算各交通线路的通过时刻、旅行时间、能量消耗量。
通过探测车2得到的各交通线路的通过时刻、旅行时间、能量消耗量等信息，与对探测车2进行识别的设备ID及对本车的车型进行识别的车型信息等一起作为探测发送数据，而通过通信部201，经由通信网络4，发送给导航服务器1。探测发送数据的示例，参照图2在后面进行阐述。
导航服务器1具有：通信部14；探测数据DB131；道路地图DB132；车型特性DB133；地形特征量DB134；地形特征量生成部100；和能量消耗量预测部120。
通信部141，具有通过通信网络4与探测车2及导航终端3进行通信的功能。
探测数据DB131，是将通信部141从探测车2接收到的探测发送数据，以图3所后述的格式进行保存的存储装置。
道路地图DB132，与探测车2中的道路地图DB205相同。
车型特性DB 133，是将表示每种车型中的能量消耗量特性的参数类以图4所后述的格式进行存储的存储装置。
地形特征量生成部100，具有以从探测车2获取到的能量消耗量或与交通线路相关的信息为基础来计算地形特征量的地形特征量计算部101。计算出的地形特征量，以图9所后述的格式被存储于地形特征量DB134。
能量消耗量预测部120具有：交通信息预测部121和预测能量消耗量计算部122。
交通信息预测部121，具有以下功能，即：根据将过去的交通线路旅行时间按各个日期种类或时间带进行分类后合计而制成的统计交通信息，对与作为对象的交通线路的推定通过时刻对应的旅行时间进行获取等，从而计算出预测交通线路旅行时间，并传递给预测能量消耗量计算部122。
预测能量消耗量计算部122，具有以从交通信息预测部121传递来的预测交通线路旅行时间和地形特征量为基础，来预测作为对象的交通线路中的能量消耗量的功能。所预测的能量消耗量和与预测对象的交通线路相关的信息，通过通信部141，经由通信网络4而发送给导航终端3。
导航终端3具有：通信部301；输出部302；输入部303；GPS接收部304；路径搜索部305；路径引导部306；和道路地图307。
通信部301，具有经由通信网络4来进行与导航服务器1的通信的功能。
输出部302是LCD(Liquid Crystal Display)等显示装置，能够彩色显示任意图形或文字。
输入部303，是设置在导航终端3的按钮，或者是与输出部302的LCD一体化的触摸面板，且接收来自用户的各种输入。
GPS接收部304，具有通过GPS功能，获取本车的当前坐标的功能。
道路地图DB307，与存储在探测车2或导航服务器1中的道路地图DB205、132相同，所以省略说明。
路径搜索部305，具有将预测能量作为交通线路的成本，并结合道路地图中的交通线路间接信息，通过采用迪杰斯特拉法等的最小成本路径搜索算法，来搜索出发地与目的地间的能量消耗量为最小的路径(能量消耗量最小路径)的功能。所搜索的能量消耗量最小路径，传递给路径引导部306。
路径引导部306，将从路径搜索部305传递来的能量消耗量最小路径的信息等，与从道路地图DB307或GPS接收部304获取到的本车的当前位置一起，在输出部302中进行显示。通过按照导航终端3的引导，驾驶员能够行驶在能量消耗量最小的路径上。
(探测发送数据)
图2是表示第一实施方式的探测发送数据的格式例的图。
探测发送数据，是从探测车2向导航服务器1发送的数据。
探测发送数据，是表示探测车2的车型的车型信息、搭载于探测车2的信息收集装置(未图示)的设备ID(Identification)、探测车2行驶的与交通线路相关的交通线路数据成组的信息。
而且，交通线路数据包括：作为对象的交通线路的交通线路号码；交通线路的通过日期和时间；旅行时间([秒])；和通过该交通线路所消耗的能量消耗量([J])。而且，交通线路的通过日期和时间，一般是指进入交通线路的进入时刻，但也可以是通过交通线路的中间地点的时刻、或到达交通线路的出口的到达时刻。此外，关于能量消耗量，以对电动汽车和内燃机搭载车统一对待的方式，标准化为相当于电力消耗量或者燃料消耗量的能量[J]。
(探测数据DB)
图3是表示第一实施方式的探测数据DB的格式例的图。
探测数据DB131，是将从探测车2发送来的探测发送数据依次地进行储存的DB，具有：交通线路号码；发送来的探测车2的车型信息；发送来的搭载于探测车2的收集装置(未图示)的设备ID；交通线路的通过日期和时间；交通线路的旅行时间([秒])；及能量消耗量([J])。图3所示的各信息，与图2所示的各信息相同，所以省略详细的说明。
(车型特性DB)
图4是表示第一实施方式的车型特性DB的格式例的图。
车型特性DB 133，存储与每种车型的特性相关的信息。
车型特性DB133具有：车型信息；车辆类型；车重([kg])；基础消耗系数([J/sec])；能量转换效率；传输效率；再生效率；和空气阻力系数([kg/m])。
车型信息，是与图2及图3中的车型信息对应的信息。
车辆类型，是表示内燃机搭载车、电动汽车等的电源的类别的信息。
车重是预先将车辆的净重量加上人员的标准重量而得到的重量。人员的标准重量，能够通过用平均乘车人数乘以成人的平均体重来计算。
针对基础消耗系数和能量转换效率，在进行后述的地形特征量时说明。所谓传输效率，是表示考虑到变速器等的驱动系统的损失时，内燃机或者电动机产生的能量与在实际行驶中能够利用的能量之比率的量。所谓再生效率，是表示在电动汽车等中，在行驶中，由减速或下坡产生的剩余能量与再生能量之比率，在内燃机搭载车中，它为零。空气阻力系数，是表示车辆行驶中的车辆与空气阻力的阻力程度。
而且，基础消耗系数，是后记的算式(5)中的比例系数F，能量转换效率是后记的算式(1)中的e，传输效率是后记的算式(1)中的η。而且，再生效率，是算式(4)中的ε。
(地形特征量的生成步骤)
接着，参照图5至图8，来说明第一实施方式中的地形特征量的生成步骤。而且，在第一实施方式中，首先，以导航服务器1从探测车2收集到的信息为基础，定期地预先计算出地形特征量(图5～图8)。接着，导航服务器1若从导航终端3接收到针对某交通线路的能量消耗量预测的请求，则以预先计算出的地形特征量为基础，预测该交通线路的能量消耗量，并将预测结果传送给导航终端3(图11)。于是，接收到能量消耗量的预测结果的导航终端3，以传送来的预测结果为基础，进行路径搜索(图13)。
图5是表示第一实施方式的地形特征量生成处理的步骤的流程图(适当参照图1)。
首先，地形特征量计算部101，进行处理对象交通线路列表的生成处理(S101)。地形特征量计算部101，根据道路地图内的所有交通线路、或者固定个数的探测数据所收集到的交通线路、从上次的地形特征量生成处理起经过规定期间的交通线路、能量消耗量的预测精度低的交通线路等的基准来选择处理对象交通线路，或者通过它们的组合来选择处理对象交通线路。此外，可以采用后述的地形特征量DB134中所包含的数据可靠度的信息，提取可靠度低的交通线路作为处理对象交通线路。一般，由于道路交通线路有很多，因此以这样的基准对进行地形特征量计算的处理对象交通线路进行范围缩小，能够降低处理量，并进行高效的处理。
于是，地形特征量计算部101，按照每个制成的处理对象交通线路，循环进行步骤S103～S107的处理(S102)。
而且，地形特征量计算部101，按照每个探测车2循环进行步骤S 104～S107的处理(S103)。
地形特征量计算部101，从探测数据DB131中读入与处理对象交通线路相关的所有探测数据(S104)。在此，所谓探测数据，是指图3的探测数据DB131的一行。在该处理中，地形特征量计算部101，虽然进行将图3所示的探测数据DB131中所包含的交通线路号码作为关键词(key)的提取，但除了获取处理对象交通线路的所有探测数据之外，还能够通过从规定的时刻起仅提取固定期间内的探测数据，来反映最新的道路状况。作为此时的固定期间的决定方法，可考虑设为上次处理之后的数据等。
接着，地形特征量计算部101，进行从车型特性DB133中读入在步骤S104中获取到的与各探测数据对应的车型特性数据的车型特性读入处理(S105)。该处理，是通过地形特征量计算部101将获取到的探测数据中所包含的车型信息作为关键词，而从车型特性DB 133读入相应的一行(车型特性数据)来实施的。
而且，当在探测数据中包括从搭载于探测车2的传感器类或者驾驶员的输入而得到的车重等的信息时，也可以将在步骤S105中读入的数据作为探测数据中的车重信息。
于是，地形特征量计算部101，进行从道路地图DB132读入在步骤S104中所读入的与各探测数据的交通线路对应的道路地图的信息(交通线路信息)的道路地图读入处理(S106)。该处理，是通过地形特征量计算部101将包含在探测数据中的交通线路号码作为关键词，而从道路地图DB132中读入与相应的交通线路相关的信息来实施的。
接着，地形特征量计算部101，参照图6及图7来进行后述的行驶模式分析处理(S107)。
于是，若按照所有的每个探测车2，步骤S104～S107的循环处理结束(S108)，则地形特征量计算部101，参照图8来进行后述的地形特征量计算处理(S109)。
而且，若所有的每个处理对象交通线路的步骤S103～S109的循环处理结束(S110)，则地形特征量计算部101结束地形特征量生成处理。
(行驶模式分析处理)
接着，参照图6及图7，来进行图5的步骤S107中的行驶模式分析处理的说明。
图6是第一实施方式的行驶模式推定概念图，图7是表示第一实施方式的行驶模式分析处理的步骤的流程图。
在行驶模式分析处理中，地形特征量计算部101，根据探测数据和道路地图的信息(交通线路信息)，进行交通线路内的行驶模式的分析。在此所说的行驶模式，是车辆的交通线路内的速度和加减速的模式。而且，行驶模式分析处理，是针对在步骤S104中所读入的探测数据而实施的处理。
首先，对本实施方式的行驶模式分析处理的概要进行说明。
本实施方式，目的在于，通过从对由探测车2收集到的电力消耗量([Wh])或燃料消耗量([cc])的能量消耗量([J])的信息中，去除行驶模式或车型的影响，而仅取出地形的影响(地形特征量)。因此，地形特征量计算部101，需要进行行驶模式的分析，并计算出对能量消耗量的影响。但是，当探测数据(探测DB)是图2所示的形式时，在此只有车辆(探测车2)的交通线路的通过日期和时间、旅行时间、能量消耗量的信息，所以不能从探测数据直接计算出平均行驶速度以外的信息。在此，通过利用探测数据和道路地图的信息(交通线路信息)，地形特征量计算部101，能够对交通线路内的车辆的加减速的状况进行推定，并计算出对行驶模式的能量消耗量的影响。
而且，探测数据不是图2所示的形式，还可考虑包括速度的时间变化那样的详细的信息的情况，但即使此时，如本实施方式所示，也有以下优点：仅利用平均速度的信息来推定行驶模式，能够大幅削减探测车2、导航服务器1间的通信负荷或分析需要的处理负荷。
在本实施方式中，通过平均速度VAVE、拥堵度J、最高速度VMAX[m/s]、加减速次数N[次]、加减速概率PACC，将各探测车2的交通线路内的行驶模式指标化进行表现。
参照图6来说明本实施方式中的行驶模式推定的概念，并根据图7，来说明第一实施方式的行驶模式分析处理的步骤。
在实际的车辆的行驶中，速度是多样地变化的，但在本实施方式中，通过设为以最高速度VMAX的恒定速度行驶、和以恒定加速度G[m/s2]的加减速行驶而简化来进行表现。
首先，地形特征量计算部101，根据从探测车2的旅行时间T和道路地图(交通线路信息)获取到的交通线路长度L，将平均速度VAVE计算为VAVE＝L/T(S201)。
接着，地形特征量计算部101，根据计算出的平均速度VAVE来计算拥堵度J(S202)。拥堵度是按照每个速度区域决定的，例如在一般道路中，确定为当VAVE≥30km/h时J＝1，当30km/h＞VAVE≥10km/h时J＝2，当10km/h＞VAVE时J＝3。同样地，在高速道路中，拥堵度J，确定为例如，当VAVE≥60km/h时J＝1，当60km/h＞VAVE≥40km/h时J＝2，当40km/h＞VAVE时J＝3。总之，在本实施方式中，拥堵度J，是由平均速度确定的。这是因为推测为当未拥堵时交通线路内的平均速度快，当拥堵时交通线路内的平均速度慢。
于是，地形特征量计算部101，通过拥堵度J和包含在交通线路信息中的道路种类、和规定限制速度计算出交通线路内的车辆的最高速度VMAX(S203)。例如，在一般道路中，J(拥堵度)＝1时VMAX设为该交通线路的规定限制速度，J＝2时，是在计算拥堵度J时所采用的速度区域的上限值VMAX＝30km/h，J＝3时也同样，确定为VMAX＝10km/h。同样地，在高速道路中，J＝1时，VMAX设为规定限制速度，J＝2时，VMAX＝60km/h，J＝3时，VMAX＝40km/h。
接着，地形特征量计算部101，由N＝T/TC计算出加减速次数N(S204)。在该算式中，T是交通线路旅行时间，TC是由道路种类决定的常数。附带说一下，在一般道路中由于经常受到信号机等的影响，与高速道路相比，加减速较多发生。因此，将一般道路中的TC设为TCA，将高速道路的TC设为TCB，可以设为TCA＜TCB。总之，在本实施方式中，推定为旅行时间T越多，加减速次数越多，旅行时间T越短，加减速次数越少。
接着，地形特征量计算部101，采用至此计算出的VMAX、N，根据加减速加速度的大小G、交通线路长度L计算出加减速概率PACC(S205)。而且，G是作为模型的参数而赋予的，例如，设为根据探测数据对平均的加减速加速度进行计算等，这是能够设定的。此外，在此所谓的加减速概率，是表示交通线路长度与加速或减速所用的距离之比例。在图6所示的示例(N＝2、横轴＝距交通线路始端的距离、纵轴＝速度)中，能够以(加速概率)＝(B+D)/L、(减速概率)＝(A+C)/L的方式计算。如图6所示，A、C是加速所用的距离，B、D是减速所用的距离。一般地，加速概率与减速概率被认为不同，但当加减速加速度的大小G被简化为在加速时和减速时相等时，LACC(加减速所用的距离)＝A＝B＝C＝D，加速概率与减速概率能够设为相等，所以统一表示为PACC。此时，能够计算出LACC＝VMAX 2/2G，所以与在步骤S204中计算出的N一起，通过设为PACC＝N×LACC/L，能够计算出加减速概率。
如上处理后，根据探测数据对交通线路内的行驶模式进行指标化的行驶模式分析处理的处理结束。在本实施方式中，对拥堵度、最大速度、加减速次数、加减速概率等进行了简化，但通过如此处理，能够减轻处理负荷。当然，在有这些值的实测值的情况下，也可以使用它们。
(地形特征量计算处理)
接着，针对相当于图5的步骤S109的地形特征量计算处理来进行说明。在地形特征量计算处理中，计算出：利用在图7的行驶模式分析处理中计算出的行驶模式的各指标和车型特性DB133的信息，从探测数据中的能量消耗量信息中去除行驶模式和车型的影响，而仅取出地形对能量消耗量的影响的特征量即地形特征量。
在进入地形特征量计算处理的说明之前，在此针对车辆的能量消耗模型与地形特征量的定义进行说明。
车辆的能量消耗的细目很多，可划分为：转换为车辆的行驶所需要的力学能量的部分，和不转换为车辆的行驶所需要的力学能量的部分。其中，若将前者称为行驶消耗，将后者称为基础消耗，则形成如下式(1)。
(车辆的能量消耗)＝((行驶消耗)/η+(基础消耗))/e  …(1)
算式(1)中的e，是表示从电池中存储的电力消耗、或称为燃料消耗的车辆的能量消耗向称为基础消耗/行驶消耗的实际车辆的运行中所利用的能量转换的转换效率。在本实施方式中，将它称为能量转换效率，保存在车型特性DB133中。
首先，若针对行驶消耗来考虑，则作为行驶消耗的主要因素的细目，可以列举：由地形的影响产生的消耗；由空气阻力产生的消耗；由加减速产生的消耗等。但是，由于空气阻力在高速行驶时以外只具有很小的值，所以在本实施方式中，设为不包括在计算中。当然，也可以考虑空气阻力来计算行驶消耗。
在此，所谓由地形的影响产生的消耗，是包括由基于交通线路内的起伏的位置能量变化引起的消耗、和由基于道路的材质等的影响的摩擦引起的消耗。此外，在电动汽车等的情况下，可考虑来自由交通线路内的起伏产生的位置能量的再生的影响。而且，设摩擦受车型之差的影响不大，摩擦影响可设为在所有车型中共同。此时，由地形的影响产生的消耗，与车重成比例。
由于行驶消耗而产生存储于电池的电量的消耗/燃料的消耗这样的车辆的能量消耗，这仅是在上述各主要因素之和为正的情况下，而在负的情况下，对于力学的能量的变化不需要新的能量消耗。或者，当是电动汽车时，由于下坡或减速等，使上述各主要因素之和为负的情况下，由于产生能量的剩余，所以也考虑进行再生工作。如此，通过各主要因素之和的正负，能量消耗发生变化，所以地形的影响，也由行驶模式的影响而发生变化。
在此，在本实施方式中，在行驶模式分析处理(图7)中，利用计算出了交通线路内的加减速概率PACC，使用加速时的影响MACC、定速时的影响MCONST、和减速时的影响MDEC，在下记算式(2)中表示地形影响内由起伏和摩擦产生的消耗的部分U(W是车重)。
U＝W×(MACC×PACC+MCONST×(1-2×PACC)+MDEC×PACC)…(2)
而且，地形影响内基于再生的部分Ua也同样，若设定：加速时的影响为KACC、定速时的影响为KCONST、减速时的影响为KDEC，则使用再生效率ε以下记算式(3)表示。
Ua＝εW×(KACC×PACC+KCONST×(1-2×PACC)+KDEC×PACC)…(3)
由此，地形的影响整体，以U+Ua来表示，MACC、MCONST、MDFC、KACC、KCONST、KDEC是特定的行驶模式，不依赖于车辆特性，成为交通线路固有的量。在本实施方式中，将这些量(MACC、MCONST、MDEC、KACC、KCONST、KDEC)设为地形特征量。
此外，针对行驶消耗内的其它成分，由加减速产生的消耗EACC，能够根据行驶模式分析处理(图7)中得到的VMAX和N、及车辆特性的车重M和再生效率ε，由算式(4)计算出。
EACC＝(1-ε)N×W×VMAX 2/2…(4)
接着，针对基础消耗来进行说明。作为基础消耗的主要因素的细目，在搭载了内燃机的车辆的情况下，可考虑由内燃机的内部阻尼产生的消耗，此外，内燃机搭载车辆/电动汽车共同可列举出：由空调产生的消耗、由前照灯产生的消耗、由雨刷器产生的消耗，还有由电器/电子设备产生的消耗等。
在此，若考虑基础消耗的各成分与地形或行驶模式的关系，则由内燃机的内部阻尼产生的消耗，是用于维持内燃机的旋转的消耗，空转时也消耗。因此，是与行驶时间成比例的量，可考虑为与速度或加减速的相关性小。此外，由空调或前照灯、雨刷器或者电器/电子设备产生的消耗，虽是动作的ON/OFF所产生的，但与速度/加减速无关，若进行平均，则能量消耗可考虑为与时间成比例。
综上所述，关于基础消耗，可考虑是与时间成比例的主要因素，处理对象交通线路内的基础消耗量E BASE[J]，若将比例系数设为F[J/sec]，将旅行时间设为T[sec]，则能够通过下记算式(5)来表示而进行简化。
E BASE＝F×T    …(5)
而且，比例系数F，能够通过预先测定对象车辆在未行驶的状态下的每单位时间的能量消耗量来计算。此外，在本实施方式中将该比例系数称为基础消耗系数，在车型特性DB133中进行保存。
如此，在本实施方式中，虽然通过对基础消耗量进行简化，来实现了减轻探测车2、导航服务器1间的通信负荷或处理负荷，但若能够获取各值的实测值，也可以采用实测值。
以上，作为车辆的能量消耗模型，当将车辆的能量消耗量设为Q[J]时，能够得到下记算式(6)所示的能量消耗模型。
Q＝((U+Ua+EACC)/η+EBASE)/e    …(6)
该算式(6)是用地形特征量、行驶模式、车辆特性来表现能量消耗量的函数，若将函数设为f来表现，则能够如下记算式(7)来表现。
(能量消耗量)＝f((地形特征量)、(行驶模式)、(车辆特性))
…(7)
由于从探测数据中能够得到能量消耗量或交通线路旅行时间，且从图7的处理中能够得到行驶模式(具体而言，加减速概率PACC)，且从车型特性DB133中能够按照每个探测车2得到多组车型特性信息，所以将这些值代入算式(2)～算式(6)，并采用联立方程式等的方法针对形特征量(MACC、MCONST、MDEC、KACC、KCONST、KDEC)来求解所代入的算式(6)，或者通过最小二乘法或再回归分析法等近似解法，针对地形特征量的各值来求解所代入的算式(6)，从而能够计算出地形特征量的各值。
如以上所示，以车辆能量消耗模型和地形特征量的定义为前提，参照图8对地形特征量计算处理(相当于图5的步骤S109)的处理步骤进行说明。
图8是表示第一实施方式的地形特征量计算处理的步骤的流程图。
首先，地形特征量计算部101，按照每个在图5的步骤S104中所读入的所有的单个探测数据，循环进行步骤S302的处理(S301)。
地形特征量计算部101，进行由车辆的内部阻尼及搭载设备产生的能量消耗量即基础消耗量EBASE、及对车辆的力学能量的变化起作用的能量消耗量即行驶消耗量EACC的计算处理(S302)。基础消耗量E BASE，如算式(5)所示，若知道交通线路旅行时间，则能够计算出来。此外，行驶消耗量EACC，能够通过从探测车2发送来的能量消耗量中减去基础消耗量EBASE来计算。
若针对所有的单个探测数据的步骤S302的处理结束(S303)，则地形特征量计算部101，判定已使用的探测数据个数(数据个数)是否是预先设定的Z个以上(S304)。
在求取地形特征量时，使用基础消耗量E BASE、行驶消耗量EACC的计算结果和行驶模式分析处理的结果、及车型特性的获取结果，针对所有探测数据，使算式(6)成立，并通过关联于特性特征量的各值来联立它们的算式(6)，或采用最小二乘法等来获取求解(地形特征量)。在本实施方式中，由于地形特征量有六个，所以利用联立方程式来计算地形特征量时，最低限若有六个探测数据(即，算式(6)有六个)，则能够求解联立方程式。但是，实际的探测数据中，由于考虑到包含基于各种因素的误差，所以仅根据少数数据来实施计算，就结果的可靠性方面而言不为优选。因此，在步骤S304中，确认是否存在预定的个数Z个以上的探测数据，数据个数不足Z个时(S304“否”)，即数据个数过少时，地形特征量计算部101不进行地形特征量计算，结束图8的处理，并返回至图5的处理。
在步骤S304中，为了决定作为基准的阈值Z，例如可考虑如下方法，即：在收集有足够的数据个数的交通线路中，多次实施随机地提取X个数据来进行地形特征量的作业，并将使所生成的地形特征量的偏差足够小的个数X作为阈值Z。
此外，由于探测数据中包含的误差，可考虑联立方程式不完全成立。此时，例如，可以通过使用最小二乘法或再回归分析等方法，来决定地形特征量作为最可能的值。
在步骤S304中，当数据个数是Z个以上时(S304“是”)，地形特征量计算部101，判定与电动汽车相关的探测数据个数(数据个数)是否是预先设定的Z个以上(S305)。在此，虽将步骤S305中的阈值Z与步骤S304中的阈值Z设为相同个数，但也可以为不同个数。
步骤S305的结果，当与电动汽车相关的数据个数小于Z个时(S305“否”)，仅进行地形特征量中与内燃机搭载车辆相关的地形特征量MACC、MCONST、MDEC的计算处理(S306)。
此外，步骤S305的结果，当与电动汽车相关的数据个数是Z个以上时(S305“是”)，进行所有地形特征量MACC、MCONST、MDEC、KACC、KCONST、KDEC的计算处理(S307)。
总之，当例如只有内燃机搭载车的探测数据存在，或电动汽车等与发生再生的车型相关的探测数据未被足够获取到时，地形特征量计算部101，不能计算出与算式(3)相关的电动汽车的地形特征量KACC、KCONST、KDEC。但是，即使在这种情况下，可考虑仅计算与算式(2)相关的内燃机搭载车的地形特征量MACC、MCONST、MDEC。即使仅为MACC、MCONST、MDEC，也能够进行针对内燃机搭载车的能量消耗量预测计算，可以说具有足够的利用价值。因此，在步骤S305中，地形特征量计算部101，以获取到的探测数据的车辆类型为基础，对各探测数据的车型进行确认，并当电动汽车等数据个数小于Z个(规定值)时，在步骤S306中仅进行MACC、MCONST、MDEC的计算处理，当大于Z个时，在步骤S307中进行所有地形特征量的计算处理。
在步骤S306中的仅MACC、MCONST、MDEC的计算处理、及步骤S307中的所有形特征量计算处理中，如上所述，可以通过联立方程式计算出地形特征量，也可以通过最小二乘法等的解法，计算出最可能的地形特征量。
在步骤S306或步骤S307的处理之后，地形特征量计算部101在进行了将计算出的地形特征量的各值保存在地形特征量DB 134的保存处理(S308)之后，返回到图5的处理。
(地形特征量DB)
图9是表示第一实施方式的地形特征量DB的格式例的图。
在地形特征量DB 134中，将MACC、MCONST、MDEC、KACC、KCONST、KDEC的各地形特征量与交通线路号码、相应的地形特征量的计算日期和时间即制成日期和时间建立对应后存储。此外，如图9所示，能够对地形特征量提供可靠度。可靠度例如，可考虑设为制成中所使用的探测数据的数据个数。
通过图5、图7、图8的处理，根据探测车2的行驶实际结果计算出表示道路交通线路或道路上区间内地形对能量消耗量的影响的量即地形特征量的地形特征量计算处理结束。
(能量消耗量预测处理)
接着，针对利用计算出的地形特征量的导航服务器1的能量消耗量预测方法进行说明。
图10是表示从导航终端发送来的预测能量消耗量请求的格式例的图，图11是表示第一实施方式的能量消耗量预测处理的步骤的流程图。
能量消耗量预测部120，在通信部141接收到来自服务对象车辆的导航终端3的预测能量消耗量请求时动作，将有预测请求的交通线路、或者有预测请求的地域内的交通线路作为处理对象交通线路，实施如以下所示的能量消耗量预测。此时，导航终端3通过向导航服务器1发送如图10所示的格式例的预测能量消耗量请求，进行能量消耗量预测的请求。
如图10所示，预测能量消耗量请求，是将搭载有导航终端3的车辆的车型信息、或导航终端3的设备ID、或进行请求的时间即请求实施时间等，与希望进行能量消耗量的预测的交通线路的列表即请求交通线路号码列表相组合而形成的组。
于是，如图11所示，导航服务器1的通信部141若接收到从导航终端3发送来的预测能量消耗量请求(S401)，则预测能量消耗量运算部122，将在接收到的预测能量消耗量请求的请求交通线路号码列表中所记述的交通线路号码作为处理对象交通线路，按照每个该处理对象交通线路，循环进行步骤S403～S407的处理(S402)。
能量消耗量预测部120的交通信息预测部121，将过去的交通线路旅行时间按各个日期种类或时间带进行分类，通过从由合计而制成的统计交通信息中，对与成为对象的交通线路的推定通过时刻对应的旅行时间进行获取等，来计算预测交通线路旅行时间TPRED，并将计算出的预测交通线路旅行时间TPRED传递给预测能量消耗量计算部122。而且，其中，交通线路的推定通过时刻，可考虑如下获取方法，即：交通信息预测部121，例如预先由统计交通信息计算出从当前位置至交通线路的直线距离，并将该直线距离除以在该地域的平均车辆速度后，将所得到的时间与当前时刻进行加算等。
于是，预测能量消耗量计算部122，进行从交通信息预测部121获取处理对象交通线路的预测交通线路旅行时间的预测交通线路旅行时间获取处理(S403)。
接着，预测能量消耗量计算部122，将能量消耗量预测请求中包含的车型信息作为关键词，进行从车型特性DB 133读入该车型特性数据的车型特性读入处理(S404)。在此，当在预测能量消耗量请求中包含有导航终端3搭载车中的传感器信息或者通过用户输入等输入的车重等信息时，也可以代替车型特性数据，而使用预测能量消耗量请求中所包含的车型特性。
然后，预测能量消耗量计算部122，将处理对象交通线路的交通线路号码作为关键词，进行从地形特征量DB134读入该各地形特征量的地形特征量读入处理(S405)。
于是，预测能量消耗量计算部122，使用在步骤S403中从交通信息预测部121传递来的预测交通线路旅行时间，进行对处理对象交通线路内的速度、加减速这样的行驶模式的行驶模式进行预测的预测处理(S406)。步骤S406的处理，是在图7所述的行驶模式分析处理中，除了将从探测车2得到的交通线路旅行时间T设定为预测交通线路旅行时间TPRED以外，与图7的处理相同，所以省略详细的说明。因此，步骤S406的结果，与图7相同，成为平均速度VAVE、拥堵度J、最高速度VMAX[m/s]、加减速次数N[次]、加减速概率PACC。
接着，预测能量消耗量计算部122，通过将在步骤S403及步骤S404中获取到的预测交通线路旅行时间、或车型特性数据、或在步骤S405中获取到的地形特征量、在步骤S406中计算出的各值代入到算式(2)～(6)的各值中，进行计算预测能量消耗量的预测能量消耗量计算处理(S407)。但是，此时设为：代替交通线路旅行时间T，而使用预测交通线路旅行时间TPRED。
于是，若每个处理对象交通线路中的步骤S403～S407的循环结束(S408)，则预测能量消耗量计算部122，生成如图12所示的预测能量消耗量发送数据，并进行在步骤S401中预测能量消耗量请求的将该预测能量消耗量发送数据向导航终端3发送的发送处理(S408)，而后结束能量消耗量预测处理。
(预测能量消耗量发送数据)
图12是表示第一实施方式的预测能量消耗量发送数据的格式例的图。
如图12所示，具有预测结果列表，该预测结果列表是将请求源的导航终端3的ID即收信设备ID与交通线路号码、预测能量消耗量([J])、步骤S403阶段计算出的预测交通线路旅行时间即生成预测旅行时间一起组成的组信息。如此，优选与预测能量消耗量一起，也将预测交通线路旅行时间发送给导航终端3。
(路径搜索处理)
图13是表示第一实施方式的路径搜索处理的步骤的流程图。
导航终端3的路径搜索部305，进行通过输入部303来输入出发地/目的地，并接受路径搜索的开始指示的出发地/目的地/搜索开始指示接收处理(S501)。出发地不仅是通过用户输入的出发地，还可以作为经由GPS接收部304而获取到的本车位置。
接着，路径搜索部305，进行能量消耗量预测对象交通线路列表的生成(S502)。作为能量消耗量预测对象交通线路，路径搜索部305，提取在出发地/目的地间的路径中包含的可能性高的交通线路，并将该交通线路设为能量消耗量预测对象交通线路。这个可考虑例如，从道路地图中提取处于距连结出发地与目的地间的直线在规定距离以内的所有交通线路的方法。
然后，路径搜索部305，生成包括在步骤S502中所生成的能量消耗量预测对象交通线路列表的预测能量消耗量请求(图10)，经由通信部301将该预测能量消耗量请求发送给导航服务器1(S503)。而且，在预测能量消耗量请求中包含的车型信息，是由用户或导航设备厂商或汽车制造商等预先设定的。
于是，通信部301若作为对预测能量消耗量请求的响应而接收到预测能量消耗量发送数据(图12)(S504)，则路径搜索部305将发送来的预测能量消耗量作为交通线路的成本，与道路地图DB307中的交通线路间连接信息一起，采用迪杰斯特拉法等的最小成本路径搜索算法，进行搜索出发地与目的地间的能量消耗量为最小的路径的路径搜索处理(S505)。搜索到的能量消耗量最小路径，传递给路径引导部306。
路径引导部306，将从路径搜索部305传递来的路径信息和从道路地图DB307或GPS接收部304获取到的本车的当前位置一起，在输出部302中进行显示。由此，驾驶员通过按照导航终端3的引导，能够在能量消耗量最小的路径上行驶。
(路径显示例)
图14及图15是表示第一实施方式的路径显示例的图。
在图14的示例中，路径引导部306，将能量消耗量换算为燃料消耗量，在输出部302中比较显示能量消耗量最小路径和最短旅行时间路径双方。在图中，符号1401是表示本车位置和行驶方向的标记。符号1402表示目的地。而且，路径1411表示能量消耗量最小路径，路径1412表示最短旅行时间路径。此外，符号1421表示两路径1411、1412的旅行时间、燃料消耗量和行驶距离的预测值，图14虽然是能量消耗量最小路径与最短旅行时间路径的比较，但也能够将最短距离路径、能量消耗量最小路径和最短旅行时间路径中的任一个路径，或者三个路径同时显示而进行比较。
通过显示这些信息，能够选择能量消耗量削减、旅行时间削减、行驶距离削减这样的符合各个驾驶者希望的路径，并行驶。此外，在该画面中，由用户通过触摸屏等来选择路径1411、1412中的任一个路径，或者显示在符号1421中的任一个路线的结果，能以仅显示某一个路线的方式变更显示，或针对所选择的路径，开始由画面显示或声音进行的右左转地点的提示的路径引导。
此外，路径引导部306，可以不仅针对路径上，还针对在输出部302所显示的路径以外的道路，由能量消耗量的大小来进行颜色划分等，从而显示由导航服务器1接收到的预测能量消耗量。作为颜色划分的方法，可以考虑例如，将比车辆的平均的能量消耗量(平均能量消耗量)小的(平均比0％以下)交通线路的能量消耗量设为绿色，将能量消耗量比平均能量消耗量多0％～30％(平均比0％～30％)的交通线路设为黄色，除此之外，将能量消耗量大的(平均比30％以上)交通线路设为红色等方法。其中，能量消耗量包括预测能量消耗量和探测数据中所包含的能量消耗量双方。此外，平均比是指例如，计算出能量消耗量(a)与平均能量消耗量(b)之差(a-b)，并计算该差与平均能量消耗量(b)的比率。即，(a-b)/b。
图15表示能量显示例。在该示例中，将画面内的路径分为能量消耗量大(平均比30％以上)/普通(平均比0％～30％)/小(平均比0％以下)三个阶段来显示，符号1511表示其凡例。而且，符号1512是表示本车位置的标记。
作为显示方法，另外还可考虑通过仅显示预测能量消耗量大的交通线路，从而使驾驶者易于绕开这样的交通线路，或者通过仅显示预测能量消耗量小的交通线路，从而使驾驶者易于积极地选择这样的交通线路来行驶。
根据以上所述，会实现一种能量消耗量预测方法及导航系统，其特征在于，能够在服务对象车辆的导航终端3中利用根据探测车2的行驶实际结果所预测出的能量消耗量。
(第一实施方式的总结)
根据第一实施方式，由于在导航服务器1侧进行预测能量消耗量的计算，所以在导航终端3侧不需要进行能量消耗预测处理。因此，不需要在导航终端3内保持地形特征量DB134或车型特性DB133，所以能够节约导航终端3内的HDD(Hard Disk Drive)或闪存等的存储区域。此外，考虑到导航服务器1的处理能力一般会高于导航终端3，所以其具有优点如下：能够实现处理时间的缩短或导航终端3的CPU的成本削减等。
此外，在此时，因为从导航服务器1发送来的预测能量发送数据中还包含有预测旅行时间，所以在路径搜索部305中，通过将预测旅行时间作为交通线路成本，从而能够搜索最短旅行时间的路线。此外，不仅是最短旅行时间路径，而且通过利用道路地图DB307中的交通线路长度的信息，也能够搜索最短距离路径。在执行它们时，驾驶者通过画面显示等，能够比较并选择能量消耗量最小路径和旅行时间最少路径。
进而，通过补充被搜索的路径上的能量消耗量、或者旅行时间，能够显示路径中的预测能量消耗量、或者预测旅行时间。通过将该结果用画面显示等对驾驶者进行提示，有易于驾驶者的路径选择的效果。此外，在此时，不是直接显示能量消耗量，而是能够转换为电力消耗量或者燃料消耗量来进行显示。这是能够通过预先在导航终端3中设定好由电池中储存的电力向能量转换的转换系数、或由燃料向能量转换的转换系数来实现的。转换系数，通过比较事先能量消耗量可测定的车辆个数或测试路线中的行驶的结果与此时的电力/燃料消耗量，而能够获取。
作为在能量消耗量的预测中反映探测车2的行驶实际结果的本实施方式以外的方法，可考虑将行驶实际结果的探测数据按照各个车型或行驶模式这样的条件进行分类，并按照每个分类制成统计。但是，在此方法中，能够在一种分类制成中利用的探测数据，与原始的数据个数相比，不可避免地会为少数。
对此，本实施方式，是将探测车2的探测数据转换为与行驶模式或车型无关的地形特征量的处理，所以能够与探测车2的行驶模式或车型无关地将所有的探测数据利用到地形特征量数据。因此，与按照每个上述分类制成统计的情况相比，制成的数据的可靠性提高，此外，即使根据少数的探测车2(最少，只要有三个探测数据即可)，也能够实现在较短数据收集期间反映了行驶实际结果的预测。
此外，在按照每个分类制成统计时，虽然对一次都未能获取数据的分类不能进行预测，但根据本实施方式，地形特征量与车型或行驶模式无关，所以即使是未能获取探测数据的分类的区域，通过采用与该分类对应的车辆特性或行驶模式预测，也能够进行能量消耗量预测。
[第二实施方式]
接着，在本发明的第二实施方式中，参照图16～图20来进行说明。第一实施方式，由导航服务器1计算出预测能量消耗量，相对于此，在第二实施方式中，由导航终端3a获取导航服务器1a计算出的地形特征量，并使用获取到的地形特征量，由导航终端3a计算出预测能量消耗量。
(系统结构)
图16是表示第二实施方式的能量消耗量预测系统的结构例的图。
能量消耗量预测系统B具有：探测车2；导航服务器1a；和导航终端3a。此外，能量消耗量预测系统B，可以具有经由通信网络4而与导航服务器1a连接的用户PC(Personal computer)5。
探测车2由于与图1所示的第一实施方式中的探测车2相同，所以省略详细的图示或说明。
导航服务器1a具有：通信部141、探测数据DB 131、道路地图DB 132、车型特性DB133、地形特征量DB134、地形特征量生成部100、和地形特征量发送部151。
在导航服务器1a中，通信部141、探测数据DB 131、道路地图DB 132、车型特性DB133、地形特征量生成部100、和地形特征量DB134由于分别与图1所示的各部件相同，所以赋予相同符号，并省略其说明。
地形特征量发送部151，当通过通信部141，从后述的导航终端3a的地形特征量更新部310接收到地形特征量发送请求时，具有通过通信部141向请求源的导航终端3a发送已有请求的交通线路的地形特征量的功能。或者，地形特征量发送部151，当从导航终端3a接收到地形特征量发送请求时，导航服务器1a的通信部141a，向用户PC5发送地形特征量，并通过CD-ROM(COmpact Disk-Read Only MemOry)、闪存等介质，使导航终端3a读入被发送来的地形特征量，更新导航终端3a内的地形特征量DB309。
导航终端3a具有：通信部301；输出部302；输入部303；GPS接收部304；道路地图DB307；外部介质读取部308；地形特征量DB309；地形特征量更新部310；车型特性DB311；能量消耗量预测部320；路径搜索部305；和路径引导部306。
在这些各部301～311之中，通信部301、输出部302、输入部303、GPS接收部304、道路地图DB307、路径搜索部305、路径引导部306，与图1所示的相同，所以，赋予相同符号而省略说明。
此外，地形特征量DB309和车型特性DB311，是与第一实施方式中的导航服务器1中具备的地形特征量DB134和车型特性DB133相同。
外部介质读取部308，能够读取CD-ROM、闪存等介质。
地形特征量更新部310，具有以下功能：在已有来自用户的更新指示时，或定期地对地形特征量DB309的数据进行更新时，经由通信部301，将用于更新地形特征量DB309的数据的更新请求发送给导航服务器1a。此外，地形特征量更新部310，还具有以下功能：将从导航服务器1a接收到的地形特征量保存在地形特征量DB309中，并更新地形特征量DB309。
能量消耗量预测部320(交通信息预测部321、预测能量消耗量计算部322)，是在导航终端3中具备了图1中导航服务器1所具备的各部120～122的功能。
总之，交通信息预测部321，具有以下功能：将导航内预先存储的统计交通信息作为信息源，来生成各交通线路的预测旅行时间TPRED。
预测能量消耗量计算部322，具有以下功能：利用来自地形特征量DB309的地形特征量、来自交通信息预测部321的预测旅行时间、和来自车型特性DB311的车型特性数据，并根据来自后述路径搜索部305的请求，通过与图12所示的导航服务器1中的预测能量消耗量计算部322相同的计算，计算出各道路交通线路中的预测能量消耗量。
(地形特征量更新处理)
图17是表示第二实施方式的地形特征量发送请求的格式例的图。图18是表示第二实施方式的地形特征量更新处理的步骤的流程图。
图18的处理是导航终端3a的处理。而且，图19的处理是以导航服务器1a中的地形特征量的计算(图5、图7、图8)结束为前提。
首先，导航终端3a的地形特征量更新部310，进行更新对象交通线路列表制成处理(S601)。更新对象交通线路列表，是通过地形特征量更新部310由地形特征量DB309提取出没有地形特征量的数据的交通线路、地形特征量的可靠性低的交通线路、和地形特征量的数据制成日期和时间旧的交通线路等，并将提取出的交通线路的交通线路号码作为列表来制成的。可靠性、制成日期和时间的阈值，是预先由用户设定的。
接着，地形特征量更新部310，经由通信部301将地形特征量发送请求发送给导航服务器1a(S602)。
如图17所示，地形特征量发送请求中包括对导航终端3a本身进行识别的设备ID和在步骤S601中制成的更新对象交通线路列表。
经由通信部141接收到地形特征量发送请求的导航服务器1a的地形特征量发送部151，若将更新对象交通线路列表中所记述的交通线路号码作为关键词，由导航服务器1a内的地形特征量DB134获取该地形特征量，并制成地形特征量发送数据，则经由通信部141，发送给导航终端3a或用户PC5。
图19是表示第二实施方式的地形特征量发送数据的格式例的图。
地形特征量发送数据，与图9所示的地形特征量DB134几乎相同，所以省略说明。而且，图18中的目的地设备ID是表示请求源的导航终端3a的ID。如此，在本实施方式中，不仅地形特征量，而且制成日期和时间、可靠性的信息也作为地形特征量发送数据同时进行发送。
经由通信部301，或者通过CD-ROM、闪存等，经由外部介质读取部308，由地形特征量更新部310接收被发送来的地形特征量发送数据(S603)。
于是，地形特征量更新部310，按照发送数据(地形特征量发送数据)中的每个交通线路，循环进行步骤S605～S609的处理(S604)。
首先，地形特征量更新部310，将成为所发送的地形特征量发送数据中的处理对象的交通线路号码(对象交通线路号码)与导航终端3a的地形特征量DB309的交通线路号码进行比较，通过判定对象交通线路号码是否存在于导航终端3a的地形特征量DB309中，来判定已有的地形特征量中是否有数据(S605)。
步骤S605的结果，当已有的地形特征量中没有与对象交通线路号码对应的数据时(S605→“是”)，地形特征量更新部310，参照在地形特征量发送数据中与对象交通线路号码对应的可靠度，并判定该可靠度是否是预先设定的阈值以上(S606)。
步骤S606的结果，当可靠度为阈值以上时(S606→“是”)，地形特征量更新部310，进行将与对象交通线路号码对应的地形特征量追加到导航终端3a的地形特征量的数据更新处理(S607)。
步骤S606的结果，当可靠度小于阈值时(S606→“否”)，地形特征量更新部310，进入到步骤S610的处理，针对下一个对象交通线路进行处理。
步骤S605的结果，当已有的地形特征量中已存在数据时(S605→否)，即，与对象交通线路相关的地形特征量的数据已在导航终端3a的地形特征量DB309中存在时，地形特征量更新部310，将与地形特征量发送数据中的对象交通线路号码对应的制成日期和时间、与导航终端3a的地形特征量DB309中的该制成日期和时间进行比较，判定发送数据(地形特征量发送数据)的制成日期和时间是否比已有数据(导航终端3a的地形特征量DB309)中的制成日期和时间新(S608)。
步骤S608的结果，当发送数据(地形特征量发送数据)的制成日期和时间不比已有数据(导航终端3a的地形特征量DB309)中的制成日期和时间新(S608→“否”)时，地形特征量更新部310，进入到步骤S610的处理，针对下一个对象交通线路进行处理。
步骤S608的结果，当发送数据(地形特征量发送数据)的制成日期和时间比已有数据(导航终端3a的地形特征量DB309)中的制成日期和时间新(S608→“是”)时，地形特征量更新部310，判定发送数据(地形特征量发送数据)的可靠度是否高于已有数据(导航终端3a的地形特征量DB309)中的该可靠度(S609)。
步骤S609的结果，当发送数据(地形特征量发送数据)的可靠度高于已有数据(导航终端3a的地形特征量DB309)中的该可靠度时(S609→“是”)，地形特征量更新部310，进入步骤S607的处理，在导航终端3a的地形特征量DB309中，进行将与该交通线路对应的地形特征量置换为发送来的地形特征量的数据更新处理(S607)，进入到步骤S610的处理。
骤S609的结果，当发送数据(地形特征量发送数据)的可靠度不高于已有数据(导航终端3a的地形特征量DB309)中的该可靠度时(S609→“否”)，地形特征量更新部310，不进行数据更新处理，而进入到步骤S610的处理。
针对发送数据中的所有交通线路，若步骤S605～S609的循环结束(S610)，则地形特征量更新部310结束处理。
通过选择如此进行更新的地形特征量，能够避免地形特征量DB309中的数据精度降低的危险。
(路径搜索处理)
图20是表示第二实施方式的路径搜索处理的步骤的流程图。
首先，路径搜索部305进行由用户通过输入部303来输入出发地/目的地并输入路径搜索的开始指示的出发地/目的地/搜索开始指示接收处理(S701)。此时，出发地不局限于来自用户的输入信息，也可以作为由GPS接收部304获取到的本车位置。
然后，路径搜索部305，通过与图13的步骤S502相同的处理来制成能量消耗量预测对象交通线路列表(S702)，将制成的能量消耗量预测对象交通线路列表传递给能量消耗量预测部320。
预测能量消耗量计算部322，进行以传递来的能量消耗量预测对象交通线路列表为基础，使用存储在地形特征量DB309中的地形特征量等，来计算各交通线路中的预测能量消耗量的预测能量消耗量计算处理(S703)。步骤S703的处理内容，与图11中说明的处理相同，所以省略说明。
于是，路径搜索处理部，进行从预测能量消耗量和道路地图DB307的信息中，搜索最小能量消耗量的路径的路径搜索处理(S704)。步骤S704的处理内容，与图13的步骤S505相同，所以省略说明。
步骤S704的结果、被输出的路径搜索结果，传递到路径引导部306。
路径引导部306，与图1所示的第一实施方式的导航终端3中的路径引导部306相同，对图14所示的驾驶者，提供以路径搜索结果为基础的引导，或进行如图15所示的预测能量消耗量的画面显示。
(第二实施方式的总结)
根据以上的处理，通过向导航终端3a发送地形特征量来实现一种能量消耗量预测系统B，该能量消耗量预测系统B的特征在于，在服务对象车辆的导航终端3a中能够利用根据探测车2的行驶实际结果而预测到的能量消耗量。
若针对第一实施方式与第二实施方式的导航系统的不同进行说明，则在第一实施方式中，是根据导航终端3的请求来发送预测能量消耗量。这是因为预测能量消耗量，取决于车辆特性或时刻发生变化的预测时的交通状况，所以需要在路径搜索时进行依次通信，获取预测能量消耗量。
相对于此，在第二实施方式中，是向导航终端3a发送地形特征量。由于地形特征量不取决于车型或交通信息，所以只要对每个交通线路发送一组地形特征量就足够，此外，只要不进行地形特征量的再计算，地形特征量就不发生变化，所以与时刻发生变化的预测能量消耗量相比，更新频度低。通过根据这些特征来发送地形特征量，能够抑制通信量。
此外，在导航终端3a内保存地形特征量，且仅在导航终端3a进行能量消耗量预测，所以还具有在搜索时不需要依次与导航服务器1a进行通信的效果。
而且，本实施方式，可与根据JP特愿2008-281968中记载的地形的高低等地形图来计算地形特征量，且计算出预测能量消耗量的技术进行组合。
此外，在本实施方式中，虽然在输出部302中进行了如图14或图15所示的路径引导显示，但不局限于此，可以将输出部302作为进行声音输出的音响装置，并通过该音响装置进行路径引导，也可以使输出部302具有显示装置的功能和声音装置的功能，并同时进行路径引导显示和声音引导。

Claims (12)

1.一种能量消耗量预测方法，由能量消耗量预测系统进行能量消耗量预测，该能量消耗量预测系统具有：能量消耗量预测装置，其向终端装置发送用于路径预测的信息；和终端装置，其根据所述发送来的信息进行路径显示，
所述能量消耗量预测装置，
以从探测车收集到的能量消耗量为基础，按照每个交通线路来计算地形特征量，该地形特征量是构成道路的交通线路的地形对消耗能量带来的影响，
以所述地形特征量为基础，计算作为预测对象而被选择出的交通线路的预测能量消耗量，
向所述终端装置发送计算出的所述预测能量消耗量，
所述终端装置，
以所述发送来的预测能量消耗量为基础，向输出部输出路径引导信息。
2.根据权利要求1所述的能量消耗量预测方法，其特征在于，
所述地形特征量，是以对加速时的能量消耗量的影响值、对减速时的能量消耗量的影响值、及对恒定速度行驶时的能量消耗量的影响值为基础来计算的。
3.根据权利要求1所述的能量消耗量预测方法，其特征在于，
所述能量消耗量预测装置，
从所述探测车获取所述交通线路的旅行时间，
根据所述获取到的所述交通线路的旅行时间，计算所述探测车的加减速及恒定速度的模式，即行驶模式，
以所述行驶模式和所述能量消耗量为基础，计算所述地形特征量。
4.根据权利要求3所述的能量消耗量预测方法，其特征在于，
所述行驶模式，是指所述探测车中在加速或减速中所用的距离与交通线路长度之比，即加减速概率。
5.根据权利要求1所述的能量消耗量预测方法，其特征在于，
所述能量消耗量，包括行驶消耗量和基础消耗量，
所述行驶消耗量，是对车辆的力学能量的变化起作用的能量消耗量，
所述基础消耗量，是所述车辆中由内燃机的内部阻尼及搭载设备产生的能量消耗量。
6.根据权利要求1所述的能量消耗量预测方法，其特征在于，
所述能量消耗量，包括行驶消耗量和基础消耗量，
当所述车辆是电动汽车时，所述行驶消耗量是包括由再生产生的能量在内的车辆的力学能量，
所述基础消耗量，是所述车辆中由搭载设备产生的能量消耗量。
7.根据权利要求1所述的能量消耗量预测方法，其特征在于，
所述输出部，是显示信息的显示装置，
所述终端装置，
将从所述能量消耗量预测装置发送来的预测能量消耗量作为成为路径搜索对象的交通线路的成本，进行路径搜索，
将进行所述路径搜索后的结果，作为所述路径显示而显示于所述输出部。
8.根据权利要求1所述的能量消耗量预测方法，其特征在于，
在所述输出部，将与所述预测能量消耗量相关的信息和计算出所述预测能量消耗量的交通线路建立关联后进行所述路径显示。
9.一种能量消耗量预测装置，其向终端装置发送用于路径预测的信息，具有：
地形特征量生成部，其以从探测车收集到的能量消耗量为基础，按照每个交通线路来计算地形特征量，该地形特征量是构成道路的交通线路的地形对消耗能量带来的影响；
预测能量消耗量计算部，其以所述地形特征量为基础，计算作为预测对象而被选择出的交通线路的预测能量消耗量；和
通信部，其向所述终端装置发送计算出的所述预测能量消耗量。
10.一种能量消耗量预测装置，其向终端装置发送用于路径预测的信息，具有：
地形特征量生成部，其以从探测车收集到的能量消耗量为基础，按照每个交通线路来计算地形特征量，该地形特征量是构成道路的交通线路的地形对消耗能量带来的影响；和
地形特征量发送部，其向所述终端装置发送计算出的所述地形特征量。
11.一种终端装置，其进行路径显示，具有：
路径引导部，其以预测能量消耗量为基础，使输出部输出路径引导信息，所述预测能量消耗量是从权利要求10所述的能量消耗量预测装置发送来的在已成为预测对象的交通线路中所消耗的能量的预测量。
12.一种终端装置，其进行路径显示，具有：
预测能量消耗量计算部，其以从权利要求11所述的能量消耗量预测装置发送来的地形特征量为基础，计算预测能量消耗量，所述预测能量消耗量是在已成为预测对象的交通线路中所消耗的能量的预测量；和
路径引导部，其以计算出的所述预测能量消耗量为基础，使输出部输出路径引导信息。
CN201010262151.6A 2009-09-09 2010-08-19 能量消耗量预测方法、能量消耗量预测装置及终端装置 Expired - Fee Related CN102023018B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009-208001 2009-09-09
JP2009208001A JP5135308B2 (ja) 2009-09-09 2009-09-09 エネルギ消費量予測方法、エネルギ消費量予測装置および端末装置

Publications (2)

Publication Number Publication Date
CN102023018A true CN102023018A (zh) 2011-04-20
CN102023018B CN102023018B (zh) 2014-03-12

Family

ID=43221949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010262151.6A Expired - Fee Related CN102023018B (zh) 2009-09-09 2010-08-19 能量消耗量预测方法、能量消耗量预测装置及终端装置

Country Status (4)

Country Link
US (1) US8694232B2 (zh)
EP (1) EP2295935B1 (zh)
JP (1) JP5135308B2 (zh)
CN (1) CN102023018B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103185598A (zh) * 2011-12-29 2013-07-03 歌乐株式会社 车辆用信息系统、车载装置以及服务器装置
CN103287434A (zh) * 2012-02-22 2013-09-11 厦门金龙联合汽车工业有限公司 一种车辆运行工况发动机自适应系统
CN103764473A (zh) * 2011-07-14 2014-04-30 斯堪尼亚商用车有限公司 确定车辆能量消耗的方法和装置
CN104344829A (zh) * 2013-07-31 2015-02-11 株式会社东芝 阻力估计设备、能量估计设备、系统、方法和程序
CN104620274A (zh) * 2012-08-17 2015-05-13 株式会社东芝 消耗电力量推断装置
CN105050878A (zh) * 2013-01-25 2015-11-11 大众汽车有限公司 预测车辆的能量消耗
CN105292120A (zh) * 2014-07-25 2016-02-03 福特全球技术公司 群源化来预测车辆能量消耗
CN105383498A (zh) * 2014-08-29 2016-03-09 福特全球技术公司 基于路线和模型的能量估计
CN106202965A (zh) * 2016-07-27 2016-12-07 武汉大学 一种输电线路巡检机器人能耗预测方法
CN106458049A (zh) * 2014-03-24 2017-02-22 密执安州立大学董事会 对电动车辆的电池电力需求的预测
CN106428016A (zh) * 2015-06-12 2017-02-22 国立民用航空学院 用于交通工具的能量管理系统
CN107615348A (zh) * 2015-06-12 2018-01-19 三菱电机株式会社 驾驶辅助装置及驾驶辅助方法

Families Citing this family (86)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007007955B4 (de) * 2007-02-17 2020-06-10 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) Kraftfahrzeug mit Antriebsmotor und Navigationssystem
DE102010030309A1 (de) 2010-06-21 2011-12-22 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Ermittlung einer energieverbrauchsoptimierten Route
US20110225105A1 (en) * 2010-10-21 2011-09-15 Ford Global Technologies, Llc Method and system for monitoring an energy storage system for a vehicle for trip planning
US8849499B2 (en) * 2011-01-06 2014-09-30 Ford Global Technologies, Llc Methods and systems for monitoring a vehicle's energy source
US20110224852A1 (en) * 2011-01-06 2011-09-15 Ford Global Technologies, Llc Methods and system for selectively charging a vehicle
JP5384545B2 (ja) * 2011-03-07 2014-01-08 本田技研工業株式会社 ナビシステム、ナビサーバ、ナビクライアントおよびナビ方法
US8755993B2 (en) * 2011-03-08 2014-06-17 Navteq B.V. Energy consumption profiling
JP5656736B2 (ja) * 2011-05-16 2015-01-21 トヨタ自動車株式会社 車両および車両の制御方法
WO2012160593A1 (ja) * 2011-05-20 2012-11-29 三菱電機株式会社 パラメータ推定方法、特性評価方法及びナビゲーション装置
KR101282616B1 (ko) 2011-07-28 2013-07-12 현대자동차일본기술연구소 전기자동차의 항속 가능 거리 표시 방법
US20130041552A1 (en) 2011-08-11 2013-02-14 Ford Global Technologies, Llc Methods and Apparatus for Estimating Power Usage
WO2013033347A1 (en) * 2011-08-29 2013-03-07 5D Robotics, Inc. Fuel efficiency improving system for vehicle
US9195911B2 (en) 2011-08-30 2015-11-24 5D Robotics, Inc. Modular robotic manipulation
JP2013053999A (ja) * 2011-09-06 2013-03-21 Clarion Co Ltd ナビゲーションシステム、ナビゲーション装置、情報処理装置、および、経路探索方法
US9811130B2 (en) * 2011-09-12 2017-11-07 The Boeing Company Power management control system
US8907776B2 (en) 2011-10-05 2014-12-09 Ford Global Technologies, Llc Method and apparatus for do not disturb message delivery
CN102509470B (zh) * 2011-10-14 2013-10-16 北京掌城科技有限公司 基于动态路径规划实现车辆节能减排的系统和方法
JP5803645B2 (ja) * 2011-12-15 2015-11-04 アイシン・エィ・ダブリュ株式会社 評価表示システム、方法およびプログラム
CN104025166B (zh) * 2011-12-28 2016-10-12 三菱电机株式会社 中心侧系统及车辆侧系统
US8849742B2 (en) 2012-01-24 2014-09-30 Ford Global Technologies, Llc Method and apparatus for providing charging state alerts
US8909476B2 (en) 2012-03-22 2014-12-09 Here Global B.V. Method and apparatus for recommending content based on a travel route
US8706416B2 (en) * 2012-04-03 2014-04-22 Ford Global Technologies, Llc System and method for determining a vehicle route
JP5919614B2 (ja) * 2012-05-18 2016-05-18 住友電工システムソリューション株式会社 電気自動車用情報の処理装置及びコンピュータプログラム
WO2013183764A1 (ja) * 2012-06-07 2013-12-12 クラリオン株式会社 エネルギー推定装置、車両用情報システム、サーバ装置
CN104471219B (zh) * 2012-06-27 2017-07-11 三菱电机株式会社 行驶模式评价装置及行驶模式评价方法
JP6035917B2 (ja) * 2012-07-05 2016-11-30 日産自動車株式会社 車両用情報提供装置
JP2014066655A (ja) * 2012-09-27 2014-04-17 Hitachi Automotive Systems Ltd 経路探索装置及び経路探索方法
JP6018489B2 (ja) * 2012-11-27 2016-11-02 株式会社東芝 消費エネルギ推定装置およびその方法
DE102012222513B4 (de) * 2012-12-07 2023-12-07 Vitesco Technologies GmbH Verfahren und Vorrichtung zur Restenergieabschätzung eines Energiespeichers eines Kraftfahrzeugs sowie Verfahren und Vorrichtung zum Betrieb eines Hybridkraftfahrzeugs
JP6163309B2 (ja) * 2013-02-04 2017-07-12 三菱重工メカトロシステムズ株式会社 車両電力消費シミュレーション装置、車両電力消費シミュレーション方法、およびプログラム
US9462545B2 (en) 2013-03-14 2016-10-04 Ford Global Technologies, Llc Method and apparatus for a battery saver utilizing a sleep and vacation strategy
US9121719B2 (en) * 2013-03-15 2015-09-01 Abalta Technologies, Inc. Vehicle range projection
US9066298B2 (en) 2013-03-15 2015-06-23 Ford Global Technologies, Llc Method and apparatus for an alert strategy between modules
US10222222B2 (en) * 2013-03-15 2019-03-05 Abalta Technologies, Inc. Roundtrip range projection
JP5805128B2 (ja) 2013-03-28 2015-11-04 本田技研工業株式会社 地図提供サーバ及び地図提供方法
EP2985570B1 (en) * 2013-04-11 2019-02-20 Nissan Motor Co., Ltd. Device for predicting amount of energy consumption and method for predicting amount of energy consumption
JP6257923B2 (ja) * 2013-05-24 2018-01-10 株式会社日立製作所 電池劣化予測システムおよび経路探索システム
JP2014235537A (ja) * 2013-05-31 2014-12-15 Ｊｘ日鉱日石エネルギー株式会社 運転者ごとに供給情報及び車両情報を蓄積可能なシステム
JP6236887B2 (ja) * 2013-06-05 2017-11-29 住友電気工業株式会社 消費電力量推定装置、経路探索システム、及びコンピュータプログラム
JP6052079B2 (ja) * 2013-07-03 2016-12-27 住友電気工業株式会社 電気自動車用情報の推定装置、経路探索システム、及びコンピュータプログラム
JP6205919B2 (ja) * 2013-07-10 2017-10-04 住友電気工業株式会社 電気自動車用情報の推定装置、経路探索システム、及びコンピュータプログラム
DE102013217897A1 (de) * 2013-08-30 2015-03-05 Robert Bosch Gmbh Verfahren zur elektrischen Regeneration eines Energiespeichers
US9151632B2 (en) * 2013-09-06 2015-10-06 Hyundai Motor Company Method and system for providing driving route information of electric vehicle
CN105593639B (zh) * 2013-09-20 2019-01-22 爱信艾达株式会社 行驶信息存储系统、方法及存储介质
KR101579538B1 (ko) * 2013-11-08 2015-12-22 현대자동차주식회사 차량 및 그 제어방법
KR101595945B1 (ko) * 2013-11-11 2016-02-19 주식회사 케이티 전력 관리 장치 및 이를 이용한 전력 관리 방법
US9488493B2 (en) 2014-01-16 2016-11-08 Ford Global Technologies, Llc Method and apparatus for electric vehicle trip and recharge planning
JP2015141126A (ja) * 2014-01-29 2015-08-03 株式会社デンソー 経路計算装置
DE102014204789A1 (de) * 2014-03-14 2015-09-17 Volkswagen Aktiengesellschaft Energiemanagementverfahren für ein Fahrzeug und Energiemanagementvorrichtung
US9494441B2 (en) * 2014-07-28 2016-11-15 Toyota Motor Engineering & Manufacturing North America, Inc. Personalized route calculation system for a vehicle
CN104260724B (zh) * 2014-09-22 2017-02-15 李治良 一种车辆智能预测控制系统及其方法
US9612130B2 (en) * 2014-10-01 2017-04-04 Ford Global Technologies, Llc System and method of estimating available driving distance
US10188029B1 (en) * 2014-10-20 2019-01-29 Hydro-Gear Limited Partnership Method of generating a three-dimensional map of a lawn and its use to improve mowing efficiency
US20160123752A1 (en) * 2014-10-30 2016-05-05 Microsoft Corporation Estimating and predicting fuel usage with smartphone
US9541409B2 (en) 2014-12-18 2017-01-10 Nissan North America, Inc. Marker aided autonomous vehicle localization
US9625906B2 (en) 2015-01-15 2017-04-18 Nissan North America, Inc. Passenger docking location selection
US9448559B2 (en) 2015-01-15 2016-09-20 Nissan North America, Inc. Autonomous vehicle routing and navigation using passenger docking locations
DE102015201205A1 (de) * 2015-01-26 2016-07-28 Robert Bosch Gmbh Valet-Parking Verfahren
US9697730B2 (en) 2015-01-30 2017-07-04 Nissan North America, Inc. Spatial clustering of vehicle probe data
US9568335B2 (en) 2015-01-30 2017-02-14 Nissan North America, Inc. Associating parking areas with destinations based on automatically identified associations between vehicle operating information and non-vehicle operating information
US10120381B2 (en) 2015-03-13 2018-11-06 Nissan North America, Inc. Identifying significant locations based on vehicle probe data
US9778658B2 (en) 2015-03-13 2017-10-03 Nissan North America, Inc. Pattern detection using probe data
US9550495B2 (en) 2015-03-27 2017-01-24 Intel Corporation Technologies for assisting vehicles with changing road conditions
JP6569300B2 (ja) * 2015-05-27 2019-09-04 日産自動車株式会社 車両消費エネルギー提示装置及び車両消費エネルギー提示方法
GB2543281A (en) * 2015-10-13 2017-04-19 British Gas Trading Ltd System for energy consumption prediction
JP6122935B2 (ja) * 2015-11-19 2017-04-26 パイオニア株式会社 推定装置、推定方法、推定プログラムおよび記録媒体
US9823086B2 (en) * 2016-03-04 2017-11-21 The Boeing Company Fuel consumption predictions using associative memories
US11346678B2 (en) 2016-08-15 2022-05-31 Massachusetts Institute Of Technology System and method for estimating and predicting vehicle trip energy consumption
FR3057951B1 (fr) * 2016-10-25 2020-07-17 IFP Energies Nouvelles Procede de determination d'un itineraire minimisant la depense energetique d'un vehicule au moyen d'un graphe adjoint
DE102017204607A1 (de) * 2017-03-20 2018-09-20 Bayerische Motoren Werke Aktiengesellschaft Automatische und individuelle Adaption einer Verbrauchsinformation
US10394251B2 (en) * 2017-04-21 2019-08-27 Ford Global Technologies, Llc Cloud-based connectivity energy budget manager
US10514696B2 (en) * 2017-07-21 2019-12-24 Here Global B.V. Navigation driving metric
JP6361801B2 (ja) * 2017-07-24 2018-07-25 住友電気工業株式会社 電気自動車用情報の推定装置、経路探索システム、及びコンピュータプログラム
JP6926875B2 (ja) * 2017-09-15 2021-08-25 トヨタ自動車株式会社 車両用表示装置
DE102018003089A1 (de) * 2018-04-16 2019-08-22 Daimler Ag Verfahren und System zum Erstellen einer Reichweitenprognose für ein Kraftfahrzeug sowie Verfahren zum Bereitstellen von Energieverbrauchswerten eines Referenzkraftfahrzeugs für einen Fahrtabschnitt
JP7163099B2 (ja) * 2018-08-10 2022-10-31 株式会社東芝 エネルギー管理装置、モデル管理方法及びコンピュータプログラム
JP7002676B2 (ja) * 2018-11-14 2022-01-20 本田技研工業株式会社 分析装置及び分析方法
CN111311903B (zh) * 2019-02-25 2021-07-30 厦门雅迅网络股份有限公司 一种车辆行驶状态监控方法、终端设备及存储介质
EP3767236B1 (en) * 2019-07-15 2023-04-26 Bayerische Motoren Werke Aktiengesellschaft Energy map reconstruction by crowdsourced data
EP3983754A4 (en) * 2019-07-15 2022-11-30 Wavesense, Inc. TERRAIN-SENSITIVE ROUTE PLANNING
WO2021018371A1 (en) * 2019-07-26 2021-02-04 Volvo Truck Corporation A method for determining road conditions
CN111181958B (zh) * 2019-12-27 2021-09-03 西安电子科技大学 一种提高车联网中抗攻击性的方法及系统
JP7010985B2 (ja) * 2020-03-03 2022-01-26 本田技研工業株式会社 走行可能距離表示装置
US11518393B2 (en) * 2020-07-31 2022-12-06 Uatc, Llc Vehicle trajectory dynamics validation and interpolation
FR3132760A1 (fr) 2022-02-15 2023-08-18 Psa Automobiles Sa Systeme de navigation connecte
CN116215314B (zh) * 2023-05-08 2023-09-12 深圳市创诺新电子科技有限公司 车载电源电量控制装置及控制方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09297034A (ja) * 1996-05-07 1997-11-18 Fujitsu Ten Ltd ナビゲーション装置
US5913917A (en) * 1997-08-04 1999-06-22 Trimble Navigation Limited Fuel consumption estimation
JP2002350152A (ja) * 2001-05-25 2002-12-04 Mazda Motor Corp 情報表示方法、該方法に用いる情報提供装置及び情報表示装置、該情報提供装置又は情報表示装置を制御するためのプログラム、並びに、該プログラムを記憶した記憶媒体
JP2004145727A (ja) * 2002-10-25 2004-05-20 Mazda Motor Corp 自動車エネルギ消費予測システム、自動車エネルギ消費予測サーバ、自動車エネルギ消費予測方法及び自動車エネルギ消費予測プログラム
CN1580706A (zh) * 2003-08-06 2005-02-16 西门子公司 具有求出最佳化消耗的行驶路线的导航系统
JP2005163584A (ja) * 2003-12-01 2005-06-23 Denso Corp 燃費情報提供システム，燃費情報サーバ装置，および車載制御装置
JP2006098174A (ja) * 2004-09-29 2006-04-13 Xanavi Informatics Corp 経路探索装置
DE102007007955A1 (de) * 2007-02-17 2008-08-21 GM Global Technology Operations, Inc., Detroit Kraftfahrzeug mit Antriebsmotor und Navigationssystem
CN101490507A (zh) * 2006-07-14 2009-07-22 本田技研工业株式会社 导航服务器、导航装置及导航系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4470311B2 (ja) * 1999-10-15 2010-06-02 日産自動車株式会社 走行パターン生成装置
JP2006078326A (ja) * 2004-09-09 2006-03-23 Toyota Motor Corp 燃費情報提供システム
JP4580735B2 (ja) * 2004-11-18 2010-11-17 日立オートモティブシステムズ株式会社 車両端末および情報提供システム
EP2042831A4 (en) 2006-07-14 2010-10-13 Honda Motor Co Ltd NAVIGATION SERVER, NAVIGATION DEVICE AND NAVIGATION SYSTEM
JP2008281968A (ja) 2007-05-10 2008-11-20 Masatomo Kuroda 樹脂製フレームの加飾方法
JP4462316B2 (ja) * 2007-09-26 2010-05-12 株式会社デンソー 経路探索装置
JP5130923B2 (ja) * 2008-01-21 2013-01-30 日産自動車株式会社 経路探索システム
JP5027777B2 (ja) 2008-10-31 2012-09-19 クラリオン株式会社 カーナビゲーション装置およびカーナビゲーション方法
JP5051140B2 (ja) * 2009-01-20 2012-10-17 アイシン・エィ・ダブリュ株式会社 走行案内装置、走行案内方法及びコンピュータプログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09297034A (ja) * 1996-05-07 1997-11-18 Fujitsu Ten Ltd ナビゲーション装置
US5913917A (en) * 1997-08-04 1999-06-22 Trimble Navigation Limited Fuel consumption estimation
JP2002350152A (ja) * 2001-05-25 2002-12-04 Mazda Motor Corp 情報表示方法、該方法に用いる情報提供装置及び情報表示装置、該情報提供装置又は情報表示装置を制御するためのプログラム、並びに、該プログラムを記憶した記憶媒体
JP2004145727A (ja) * 2002-10-25 2004-05-20 Mazda Motor Corp 自動車エネルギ消費予測システム、自動車エネルギ消費予測サーバ、自動車エネルギ消費予測方法及び自動車エネルギ消費予測プログラム
CN1580706A (zh) * 2003-08-06 2005-02-16 西门子公司 具有求出最佳化消耗的行驶路线的导航系统
JP2005163584A (ja) * 2003-12-01 2005-06-23 Denso Corp 燃費情報提供システム，燃費情報サーバ装置，および車載制御装置
JP2006098174A (ja) * 2004-09-29 2006-04-13 Xanavi Informatics Corp 経路探索装置
CN101490507A (zh) * 2006-07-14 2009-07-22 本田技研工业株式会社 导航服务器、导航装置及导航系统
DE102007007955A1 (de) * 2007-02-17 2008-08-21 GM Global Technology Operations, Inc., Detroit Kraftfahrzeug mit Antriebsmotor und Navigationssystem

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103764473A (zh) * 2011-07-14 2014-04-30 斯堪尼亚商用车有限公司 确定车辆能量消耗的方法和装置
CN103764473B (zh) * 2011-07-14 2016-08-17 斯堪尼亚商用车有限公司 确定车辆能量消耗的方法和装置
CN103185598B (zh) * 2011-12-29 2015-10-14 歌乐株式会社 车辆用信息系统、车载装置以及服务器装置
CN103185598A (zh) * 2011-12-29 2013-07-03 歌乐株式会社 车辆用信息系统、车载装置以及服务器装置
CN103287434B (zh) * 2012-02-22 2015-12-02 厦门金龙联合汽车工业有限公司 一种车辆运行工况发动机自适应系统
CN103287434A (zh) * 2012-02-22 2013-09-11 厦门金龙联合汽车工业有限公司 一种车辆运行工况发动机自适应系统
US9682627B2 (en) 2012-08-17 2017-06-20 Kabushiki Kaisha Toshiba Consumed power amount estimation apparatus
CN104620274A (zh) * 2012-08-17 2015-05-13 株式会社东芝 消耗电力量推断装置
CN104620274B (zh) * 2012-08-17 2018-10-19 株式会社东芝 消耗电力量推断装置
CN105050878A (zh) * 2013-01-25 2015-11-11 大众汽车有限公司 预测车辆的能量消耗
CN104344829A (zh) * 2013-07-31 2015-02-11 株式会社东芝 阻力估计设备、能量估计设备、系统、方法和程序
CN106458049A (zh) * 2014-03-24 2017-02-22 密执安州立大学董事会 对电动车辆的电池电力需求的预测
CN106458049B8 (zh) * 2014-03-24 2019-09-10 密执安州立大学董事会 对电动车辆的电池电力需求的预测
CN106458049B (zh) * 2014-03-24 2019-01-22 密执安州立大学董事会 对电动车辆的电池电力需求的预测
US10801848B2 (en) 2014-07-25 2020-10-13 Ford Global Technologies, Llc Crowd sourcing to predict vehicle energy consumption
CN105292120A (zh) * 2014-07-25 2016-02-03 福特全球技术公司 群源化来预测车辆能量消耗
CN105383498B (zh) * 2014-08-29 2019-07-19 福特全球技术公司 基于路线和模型的能量估计
CN105383498A (zh) * 2014-08-29 2016-03-09 福特全球技术公司 基于路线和模型的能量估计
CN107615348A (zh) * 2015-06-12 2018-01-19 三菱电机株式会社 驾驶辅助装置及驾驶辅助方法
CN106428016A (zh) * 2015-06-12 2017-02-22 国立民用航空学院 用于交通工具的能量管理系统
CN106202965A (zh) * 2016-07-27 2016-12-07 武汉大学 一种输电线路巡检机器人能耗预测方法

Also Published As

Publication number Publication date
US8694232B2 (en) 2014-04-08
JP2011059921A (ja) 2011-03-24
JP5135308B2 (ja) 2013-02-06
US20110060495A1 (en) 2011-03-10
CN102023018B (zh) 2014-03-12
EP2295935A1 (en) 2011-03-16
EP2295935B1 (en) 2015-02-25

Similar Documents

Publication Publication Date Title
CN102023018B (zh) 能量消耗量预测方法、能量消耗量预测装置及终端装置
US11650066B2 (en) Systems and methods for variable energy routing and tracking
RU2402820C1 (ru) Навигационный сервер, навигационное устройство и навигационная система
JP4982143B2 (ja) 交通状況予測装置
Zeng et al. Application of the support vector machine and heuristic k-shortest path algorithm to determine the most eco-friendly path with a travel time constraint
US20090063045A1 (en) Gps based fuel efficiency optimizer
CN102012235A (zh) 车载导航系统
JP4045303B2 (ja) 地図情報更新装置および地図情報更新方法
JPWO2006109625A1 (ja) 地図情報更新装置および地図情報更新方法
KR20180071752A (ko) 목적지 예측 기반 차량 제어 방법 및 시스템
CN105683716A (zh) 场境交通或通行警示
US8160810B2 (en) Route search system, route search terminal and route search method
CN101490507A (zh) 导航服务器、导航装置及导航系统
JP2023535828A (ja) 経路決定方法、装置、機器及び媒体
CN102243811A (zh) 车辆导航系统及推荐路径检索方法
JP2019046106A (ja) 経路推定装置、経路推定方法およびコンピュータプログラム
JP2013242198A (ja) 経路探索装置及びコンピュータプログラム
JPWO2018180583A1 (ja) プラン情報提供システム、プラン情報提供方法、および記憶媒体
CN102132130B (zh) 导航服务器
JP5953630B2 (ja) 経路探索装置及びコンピュータプログラム
Chang et al. Design and implementation of the travelling time-and energy-efficient android gps navigation app with the vanet-based a* route planning algorithm
Zhao et al. Truck travel time reliability and prediction in a port drayage network
JP5765008B2 (ja) 燃費データの蓄積及び利用装置、方法、並びにプログラム
JP4045302B2 (ja) 地図情報更新装置および地図情報更新方法
JP4045304B2 (ja) 地図情報更新装置および地図情報更新方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140312

Termination date: 20190819