JP2013077051A - Fuel consumption estimation device, navigation device, and fuel consumption estimation method - Google Patents
Fuel consumption estimation device, navigation device, and fuel consumption estimation method Download PDFInfo
- Publication number
- JP2013077051A JP2013077051A JP2011215085A JP2011215085A JP2013077051A JP 2013077051 A JP2013077051 A JP 2013077051A JP 2011215085 A JP2011215085 A JP 2011215085A JP 2011215085 A JP2011215085 A JP 2011215085A JP 2013077051 A JP2013077051 A JP 2013077051A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- fuel consumption
- information
- thermal efficiency
- speed
- 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
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims description 41
- 238000012545 processing Methods 0.000 claims abstract description 74
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013480 data collection Methods 0.000 abstract description 25
- 230000001133 acceleration Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Landscapes
- Navigation (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
本発明は、車両の燃料消費量を予測する燃料消費量予測装置、ナビゲーション装置および燃料消費量予測方法に関する。 The present invention relates to a fuel consumption prediction device, a navigation device, and a fuel consumption prediction method for predicting the fuel consumption of a vehicle.
従来、車両の走行パターンを予測し、予測された走行パターンに基づいて各道路リンクの燃料消費量を予測して、燃費最小経路を探索するカーナビゲーション装置が知られている（特許文献１参照）。 2. Description of the Related Art Conventionally, a car navigation device that predicts a travel pattern of a vehicle, predicts a fuel consumption amount of each road link based on the predicted travel pattern, and searches for a minimum fuel consumption route (see Patent Document 1). .
上記特許文献１に開示されるカーナビゲーション装置では、車両の走行パターンから各道路リンクの加減速確率を算出すると共に、加減速時に燃料が消費されるか否かを表す地形特徴量を取得し、これらに基づいて燃料消費量の予測値を算出している。ここで、車両のエンジンで発生されたエネルギーは、その全てが車両の動力として使用できるわけではなく、熱、摩擦、排気等による損失を差し引いた分が車両の動力に用いるエネルギーとしてエンジンから車軸に伝達される。この発生エネルギーに対する損失分を差し引いた伝達エネルギーの比率（以下では「正味熱効率」と称する）は、一般的に車両の速度に応じて変化する。しかし、前述のカーナビゲーション装置では、車両の速度に応じた正味熱効率の変化を特に考慮していないため、燃料消費量を正確に予測することが困難である。 In the car navigation device disclosed in Patent Document 1, the acceleration / deceleration probability of each road link is calculated from the traveling pattern of the vehicle, and the terrain feature amount indicating whether fuel is consumed during acceleration / deceleration is acquired. Based on these, the predicted value of fuel consumption is calculated. Here, not all of the energy generated by the vehicle engine can be used as vehicle power, and the energy deducted from heat, friction, exhaust, etc. is used as power for vehicle power from the engine to the axle. Communicated. The ratio of the transmitted energy obtained by subtracting the loss from the generated energy (hereinafter referred to as “net thermal efficiency”) generally varies depending on the speed of the vehicle. However, the above-described car navigation device does not particularly take into account the change in net thermal efficiency according to the speed of the vehicle, so it is difficult to accurately predict the fuel consumption.
本発明による燃料消費量予測装置は、車両が走行しているときの速度情報および燃料消費量情報を含む車両情報を車両から取得する車両情報取得手段と、車両情報取得手段により取得された車両情報に基づいて、車両の燃料消費量を学習する学習手段と、学習手段により学習された車両の燃料消費量に基づいて、車両の速度に応じた正味熱効率を推定する正味熱効率推定手段と、正味熱効率推定手段により推定された正味熱効率に基づいて、車両が走行する予定の道路に対する燃料消費量を予測する燃料消費量予測手段とを備える。
本発明によるナビゲーション装置は、上記の燃料消費量予測装置と、燃料消費量予測手段により予測された燃料消費量に基づいて、車両に対する推奨経路を探索する経路探索手段とを備える。
本発明による燃料消費量予測方法は、車両に搭載されたコンピュータによる車両の燃料消費量の予測方法であって、コンピュータにより、車両が走行しているときの速度情報および燃料消費量情報を含む車両情報を車両から取得し、その車両情報に基づいて、車両の燃料消費量を学習し、車両の燃料消費量の学習結果に基づいて、車両の速度に応じた正味熱効率を推定し、その正味熱効率に基づいて、車両が走行する予定の道路に対する燃料消費量を予測する。
The fuel consumption prediction apparatus according to the present invention includes vehicle information acquisition means for acquiring vehicle information including speed information and fuel consumption information when the vehicle is running from the vehicle, and vehicle information acquired by the vehicle information acquisition means. Based on the learning means for learning the fuel consumption of the vehicle, on the basis of the fuel consumption of the vehicle learned by the learning means, the net thermal efficiency estimation means for estimating the net thermal efficiency according to the vehicle speed, and the net thermal efficiency Fuel consumption predicting means for predicting fuel consumption for a road on which the vehicle is to travel based on the net thermal efficiency estimated by the estimating means.
A navigation apparatus according to the present invention includes the fuel consumption prediction apparatus described above and route search means for searching for a recommended route for the vehicle based on the fuel consumption predicted by the fuel consumption prediction means.
A fuel consumption prediction method according to the present invention is a method for predicting fuel consumption of a vehicle by a computer mounted on the vehicle, and includes a vehicle including speed information and fuel consumption information when the vehicle is running. The information is obtained from the vehicle, the fuel consumption of the vehicle is learned based on the vehicle information, the net thermal efficiency according to the speed of the vehicle is estimated based on the learning result of the fuel consumption of the vehicle, and the net thermal efficiency Based on the above, the fuel consumption amount for the road on which the vehicle is to travel is predicted.
本発明によれば、車両の速度に応じた正味熱効率の変化を考慮して、燃料消費量を正確に予測することができる。 According to the present invention, it is possible to accurately predict the fuel consumption amount in consideration of the change in the net thermal efficiency according to the speed of the vehicle.
本発明の一実施形態に係る車載システムの構成を図１に示す。この車載システムは、車両１００に搭載されており、ナビゲーション装置１、エンジンコントローラ２、エンジン３および車速センサ４を有する。 FIG. 1 shows the configuration of an in-vehicle system according to an embodiment of the present invention. This in-vehicle system is mounted on a vehicle 100 and includes a navigation device 1, an engine controller 2, an engine 3, and a vehicle speed sensor 4.
ナビゲーション装置１は、車両１００を目的地まで案内するためのナビゲーション機能を有している。ユーザにより車両１００の目的地が設定されると、ナビゲーション装置１は、その目的地までの推奨経路を地図データに基づいて探索し、探索した推奨経路に従って車両１００を目的地まで案内する。このときユーザは、通常のルート探索と省エネルート探索のいずれかを選択することができる。通常のルート探索では、目的地までの予想所要時間や走行距離に応じて最適な推奨経路を探索する。一方、省エネルート探索では、車両１００が走行する予定の道路に対する燃料消費量を推定し、その推定結果に応じて最適な推奨経路を探索する。なお、省エネルート探索における具体的な処理方法については、後で詳しく説明する。 The navigation device 1 has a navigation function for guiding the vehicle 100 to a destination. When the destination of the vehicle 100 is set by the user, the navigation device 1 searches for a recommended route to the destination based on the map data, and guides the vehicle 100 to the destination according to the searched recommended route. At this time, the user can select either normal route search or energy saving route search. In a normal route search, an optimum recommended route is searched according to the estimated required time and the travel distance to the destination. On the other hand, in the energy saving route search, the fuel consumption amount for the road on which the vehicle 100 is to travel is estimated, and an optimum recommended route is searched according to the estimation result. A specific processing method in the energy saving route search will be described in detail later.
エンジンコントローラ２は、エンジン３の回転数等を検出し、その検出結果に基づいて、エンジン３を制御するためのエンジン制御信号を出力する。エンジン３は、エンジンコントローラ２から出力されるエンジン制御信号に基づいて動作し、車両１００が走行するための駆動力を発生して車軸に伝える。このとき、車両１００に備えられたアクセルペダルの操作によって決定されたアクセル開度に応じて、エンジン３においてスロットルバルブの開閉状態が制御され、エンジン３が吸入する空気量が調節される。この吸入空気量の計測結果等に基づいて、エンジンコントローラ２はエンジン３における燃料噴射量を決定し、エンジン３の燃料噴射装置を制御する。さらにエンジンコントローラ２は、所定期間内でのエンジン３の燃料噴射量を合計することで単位時間当たりの車両１００の燃料消費量を算出し、その算出結果を燃料消費量情報として、エンジン回転数情報と共にナビゲーション装置１へ出力する。 The engine controller 2 detects the rotational speed of the engine 3 and outputs an engine control signal for controlling the engine 3 based on the detection result. The engine 3 operates based on an engine control signal output from the engine controller 2, generates a driving force for the vehicle 100 to travel and transmits it to the axle. At this time, the opening / closing state of the throttle valve in the engine 3 is controlled in accordance with the accelerator opening determined by the operation of the accelerator pedal provided in the vehicle 100, and the amount of air taken in by the engine 3 is adjusted. Based on the measurement result of the intake air amount and the like, the engine controller 2 determines the fuel injection amount in the engine 3 and controls the fuel injection device of the engine 3. Further, the engine controller 2 calculates the fuel consumption amount of the vehicle 100 per unit time by summing up the fuel injection amounts of the engine 3 within a predetermined period, and uses the calculation result as fuel consumption amount information. At the same time, it is output to the navigation device 1.
車速センサ４は、車両１００が走行しているときの速度を検出し、その検出結果を示す車両速度情報をナビゲーション装置１へ出力する。たとえば、車両１００におけるホイールの回転状態に応じた車速パルスを車両速度情報としてナビゲーション装置１へ出力する。この車両速度情報に基づいて、ナビゲーション装置１において車両１００の走行速度が検出される。 The vehicle speed sensor 4 detects the speed when the vehicle 100 is traveling, and outputs vehicle speed information indicating the detection result to the navigation device 1. For example, the vehicle speed pulse corresponding to the rotation state of the wheel in the vehicle 100 is output to the navigation device 1 as the vehicle speed information. Based on this vehicle speed information, the traveling speed of the vehicle 100 is detected in the navigation device 1.
次にナビゲーション装置１の構成について説明する。図２に示すように、ナビゲーション装置１は、制御部１０、記録部１１、振動ジャイロ１２、ＧＰＳ（Global Positioning System）受信部１３、ＶＩＣＳ（登録商標）受信部１４、表示モニタ１５、入力装置１６およびスピーカ１７を備えている。 Next, the configuration of the navigation device 1 will be described. As shown in FIG. 2, the navigation device 1 includes a control unit 10, a recording unit 11, a vibration gyro 12, a GPS (Global Positioning System) receiving unit 13, a VICS (registered trademark) receiving unit 14, a display monitor 15, and an input device 16. And a speaker 17.
制御部１０は、マイクロプロセッサや各種周辺回路、ＲＡＭ、ＲＯＭ等によって構成されており、自車位置検出処理部２０、データ収集処理部２１、データ選定処理部２２、正味熱効率推定部２３、燃料消費量予測部２４および経路探索処理部２５の各部を機能的に有している。制御部１０は、記録部１１に記録されている制御プログラムや地図データに基づいて、これらの各機能を実現するための処理を実行する。このとき実行される処理の具体的な内容については、後でフローチャートを用いて説明する。 The control unit 10 includes a microprocessor, various peripheral circuits, a RAM, a ROM, and the like. The vehicle position detection processing unit 20, a data collection processing unit 21, a data selection processing unit 22, a net thermal efficiency estimation unit 23, a fuel consumption Each unit of the quantity prediction unit 24 and the route search processing unit 25 is functionally provided. The control unit 10 executes processing for realizing these functions based on the control program and map data recorded in the recording unit 11. Specific contents of the processing executed at this time will be described later with reference to a flowchart.
図１のエンジンコントローラ２から出力されたエンジン回転数情報および燃料消費量情報と、車速センサ４から出力された車両速度情報とは、ナビゲーション装置１において所定の受信処理が行われた後、制御部１０に入力される。図２では、ナビゲーション装置１の制御部１０に入力されるこれらの情報をまとめて「車両情報」と表している。 The engine speed information and the fuel consumption information output from the engine controller 2 of FIG. 1 and the vehicle speed information output from the vehicle speed sensor 4 are subjected to a predetermined reception process in the navigation device 1, and then the control unit 10 is input. In FIG. 2, these pieces of information input to the control unit 10 of the navigation device 1 are collectively expressed as “vehicle information”.
記録部１１は、制御部１０の処理において使用される地図データ等の各種データを記録するための部分であり、たとえばＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの不揮発性の記録媒体を用いて構成される。記録部１１に記録されているデータは、必要に応じて制御部１０の制御により記録部１１から読み出される。 The recording unit 11 is a part for recording various data such as map data used in the processing of the control unit 10, and is configured using a non-volatile recording medium such as an HDD (Hard Disk Drive) or a flash memory. Is done. Data recorded in the recording unit 11 is read from the recording unit 11 under the control of the control unit 10 as necessary.
記録部１１に記録された地図データは、経路計算データと、道路データと、背景データとを含む。経路計算データは、目的地までの推奨経路を探索する際などに用いられるデータである。道路データは、道路の形状や種別などを表すデータである。道路データにおいて、各道路は後述するようにノードや形状補間点と呼ばれる点を複数繋げることによって構成されている。背景データは、地図の背景を表すデータである。なお、地図の背景とは、地図上に存在する道路以外の様々な構成物である。たとえば、河川、鉄道、緑地帯、各種構造物などが背景データによって表される。 The map data recorded in the recording unit 11 includes route calculation data, road data, and background data. The route calculation data is data used when searching for a recommended route to the destination. The road data is data representing the shape and type of the road. In the road data, each road is constituted by connecting a plurality of points called nodes and shape interpolation points as will be described later. The background data is data representing the background of the map. Note that the background of the map is various components other than roads existing on the map. For example, rivers, railways, green zones, various structures, etc. are represented by background data.
地図データにおいて道路網を構成する各道路の最小単位はリンクと呼ばれている。すなわち、所定の道路区間にそれぞれ対応する複数のリンクによって道路網が構成されており、リンク単位で経路計算データおよび道路データが表現されている。なお、道路データにおいて各リンクの両端には、座標情報や標高情報がそれぞれ設定されたノードと呼ばれる点が設けられている。また、各リンクの途中には形状補間点と呼ばれる点が必要に応じて設けられている。各形状補間点には、ノードと同様に座標情報や標高情報がそれぞれ設定されている。これらの点を順に繋げることにより、道路データにおいて道路の形状が表される。 The minimum unit of each road constituting the road network in map data is called a link. That is, a road network is constituted by a plurality of links corresponding to predetermined road sections, and route calculation data and road data are expressed in units of links. In the road data, points called nodes each having coordinate information and altitude information are provided at both ends of each link. A point called a shape interpolation point is provided in the middle of each link as necessary. As with the nodes, coordinate information and elevation information are set for each shape interpolation point. By connecting these points in order, the shape of the road is represented in the road data.
一方、経路計算データには、各道路区間に対応するリンクごとに、自車両が当該道路区間を走行する際の通過所要時間等に応じたリンクコストが設定されている。このリンクコストに基づいて、予め設定された経路探索条件に応じたリンクの組合せを求めることにより、ナビゲーション装置１において通常のルート探索による推奨経路の探索が行われる。たとえば、移動時間の短さを最優先として経路探索を行うような経路探索条件が設定されている場合は、出発地から目的地までの通過所要時間が最小となるリンクの組合せが推奨経路として求められる。 On the other hand, in the route calculation data, for each link corresponding to each road section, a link cost is set according to the time required for passing when the host vehicle travels the road section. Based on this link cost, a recommended route search is performed by a normal route search in the navigation device 1 by obtaining a combination of links according to a preset route search condition. For example, if route search conditions are set so that route search is performed with the shortest travel time as the top priority, the link combination that minimizes the time required to pass from the departure point to the destination is determined as the recommended route. It is done.
振動ジャイロ１２は、車両１００の向きの変化に応じた角速度を検出するためのセンサである。振動ジャイロ１２により検出された角速度は制御部１０へ出力される。 The vibration gyro 12 is a sensor for detecting an angular velocity according to a change in the direction of the vehicle 100. The angular velocity detected by the vibration gyro 12 is output to the control unit 10.
ＧＰＳ受信部１３は、ＧＰＳ衛星から送信されるＧＰＳ信号を受信して制御部１０へ出力する。ＧＰＳ信号には、ＧＰＳ衛星の位置と送信時刻に関する情報が含まれている。所定数以上のＧＰＳ衛星からＧＰＳ信号を受信することにより、ＧＰＳ信号の受信位置として車両１００の現在位置を算出することができる。 The GPS receiver 13 receives a GPS signal transmitted from a GPS satellite and outputs it to the controller 10. The GPS signal includes information on the position and transmission time of the GPS satellite. By receiving GPS signals from a predetermined number or more of GPS satellites, the current position of the vehicle 100 can be calculated as the GPS signal reception position.
制御部１０の自車位置検出処理部２０は、ＧＰＳ受信部１３により受信されたＧＰＳ信号と、車速センサ４から出力された車両速度情報と、振動ジャイロ１２により検出された角速度に基づいて、車両１００の現在位置を算出するための自車位置検出処理を所定時間ごとに実行する。なお、このとき必要に応じて記録部１１に記録された地図データに基づいたマップマッチング処理が行われ、車両１００の現在位置が道路の位置に合わせて補正される。 Based on the GPS signal received by the GPS receiver 13, the vehicle speed information output from the vehicle speed sensor 4, and the angular velocity detected by the vibration gyroscope 12, the vehicle position detection processing unit 20 of the control unit 10 The vehicle position detection process for calculating the current position of 100 is executed every predetermined time. At this time, map matching processing based on the map data recorded in the recording unit 11 is performed as necessary, and the current position of the vehicle 100 is corrected according to the position of the road.
ＶＩＣＳ受信部１４は、図示しないＶＩＣＳセンターからナビゲーション装置１に対して送信されるＶＩＣＳ情報を受信する。このＶＩＣＳ情報をＶＩＣＳ受信部１４が受信することにより、渋滞情報を始めとする様々な道路交通情報がナビゲーション装置１において取得される。ＶＩＣＳ情報により提供される渋滞情報では、各リンクの道路状況を順調、混雑または渋滞の３種類の道路状況のうちいずれかで表現している。ＶＩＣＳ受信部１４により受信されたＶＩＣＳ情報は、制御部１０に出力され、渋滞情報の表示や推奨経路の探索などに利用される。 The VICS receiving unit 14 receives VICS information transmitted from the VICS center (not shown) to the navigation device 1. When the VICS receiving unit 14 receives this VICS information, various road traffic information including traffic jam information is acquired in the navigation device 1. In the traffic jam information provided by the VICS information, the road status of each link is represented by any one of three types of road statuses: smooth, congestion, or traffic jam. The VICS information received by the VICS receiving unit 14 is output to the control unit 10 and used for displaying traffic jam information and searching for a recommended route.
なお、ＶＩＣＳセンターからナビゲーション装置１へのＶＩＣＳ情報の送信は、主に高速道路上に設置されている電波ビーコンや、主に一般道路上に設置されている光ビーコン、またはＦＭ多重放送によって行われる。電波ビーコンや光ビーコンは、その設置地点付近を通過する車両に対して、電波あるいは光（赤外線）により局所的にＶＩＣＳ情報を送信するものである。これに対して、ＦＭ多重放送では比較的広い地域に対してＶＩＣＳ情報を送信することができる。 The transmission of VICS information from the VICS center to the navigation device 1 is performed mainly by radio wave beacons installed on highways, optical beacons installed mainly on general roads, or FM multiplex broadcasting. . The radio wave beacon and the optical beacon transmit VICS information locally to the vehicle passing near the installation point by radio waves or light (infrared rays). In contrast, FM multiplex broadcasting can transmit VICS information to a relatively wide area.
表示モニタ１５は、ナビゲーション装置１において様々な画面表示を行うための装置であり、液晶ディスプレイ等を用いて構成される。この表示モニタ１５により、地図画面の表示や推奨経路の案内表示などが行われる。表示モニタ１５に表示される画面の内容は、制御部１０が行う画面表示制御によって決定される。表示モニタ１５は、たとえば自車両のダッシュボード上やインストルメントパネル内など、ユーザが見やすいような位置に設置されている。 The display monitor 15 is a device for performing various screen displays in the navigation device 1 and is configured using a liquid crystal display or the like. The display monitor 15 displays a map screen, a recommended route guidance display, and the like. The contents of the screen displayed on the display monitor 15 are determined by screen display control performed by the control unit 10. The display monitor 15 is installed at a position where the user can easily see, for example, on the dashboard of the host vehicle or in the instrument panel.
入力装置１６は、ナビゲーション装置１を動作させるための様々な入力操作をユーザが行うための装置であり、各種の入力スイッチ類を有している。ユーザは、入力装置１６を操作することにより、たとえば、目的地に設定したい施設や地点の名称等を入力したり、推奨経路の探索条件を設定したり、予め登録された登録地の中から目的地を選択したり、表示モニタ１５に表示された地図を任意の方向にスクロールしたりすることができる。入力装置１６は、操作パネルやリモコンなどによって実現することができる。あるいは、入力装置１６を表示モニタ１５と一体化されたタッチパネルとしてもよい。 The input device 16 is a device for a user to perform various input operations for operating the navigation device 1, and has various input switches. The user operates the input device 16 to input, for example, the name of a facility or a spot desired to be set as a destination, set a search condition for a recommended route, or set a destination from registered locations registered in advance. It is possible to select the ground and scroll the map displayed on the display monitor 15 in an arbitrary direction. The input device 16 can be realized by an operation panel, a remote controller, or the like. Alternatively, the input device 16 may be a touch panel integrated with the display monitor 15.
スピーカ１７は、制御部１０の制御により様々な音声情報を出力する。たとえば、推奨経路に従って自車両を目的地まで案内するための経路案内用の音声や、各種の警告音などがスピーカ１７から出力される。 The speaker 17 outputs various audio information under the control of the control unit 10. For example, route guidance voice for guiding the host vehicle to the destination according to the recommended route, various warning sounds, and the like are output from the speaker 17.
ナビゲーション装置１の制御部１０が実行する処理の内容について以下に説明する。制御部１０は、データ収集処理部２１、データ選定処理部２２、正味熱効率推定部２３、燃料消費量予測部２４および経路探索処理部２５の各部により、図３〜５のフローチャートに示す各処理を実行する。以下では、これらの処理について順に説明する。 The content of the process which the control part 10 of the navigation apparatus 1 performs is demonstrated below. The control unit 10 performs the processes shown in the flowcharts of FIGS. 3 to 5 by the data collection processing unit 21, the data selection processing unit 22, the net thermal efficiency estimation unit 23, the fuel consumption amount prediction unit 24, and the route search processing unit 25. Run. Below, these processes are demonstrated in order.
最初に、図３に示すデータ収集・選定処理のフローチャートについて説明する。制御部１０は、車両１００が走行しているときに、データ収集処理部２１およびデータ選定処理部２２により、図３に示すデータ収集・選定処理を所定の処理周期ごとに繰り返し実行する。 First, the flowchart of the data collection / selection process shown in FIG. 3 will be described. When the vehicle 100 is traveling, the control unit 10 repeatedly executes the data collection / selection processing shown in FIG. 3 at predetermined processing cycles by the data collection processing unit 21 and the data selection processing unit 22.
図３のステップＳ１０〜Ｓ５０では、データ収集処理部２１によるデータ収集処理を行う。ステップＳ１０において、データ収集処理部２１は、自車位置検出処理部２０により検出された車両１００の現在位置に基づいて、車両１００が現在走行している道路区間の標高情報を取得する。ここでは、記録部１１において記録されている地図データから、車両１００の現在位置に対応するリンクの両端にある各ノードの標高情報を取得する。なお、車両１００の現在位置に対応するリンクに形状補間点が設定されており、車両１００の現在位置の前方または後方のいずれか一方または両方に形状補間点が存在する場合は、ノードの標高情報の代わりにこれらの形状補間点の標高情報を取得すればよい。 In steps S10 to S50 of FIG. 3, the data collection processing by the data collection processing unit 21 is performed. In step S <b> 10, the data collection processing unit 21 acquires elevation information of a road section where the vehicle 100 is currently traveling based on the current position of the vehicle 100 detected by the own vehicle position detection processing unit 20. Here, the altitude information of each node at both ends of the link corresponding to the current position of the vehicle 100 is acquired from the map data recorded in the recording unit 11. If a shape interpolation point is set in the link corresponding to the current position of the vehicle 100 and there is a shape interpolation point in front of or behind the current position of the vehicle 100, the elevation information of the node Instead, the elevation information of these shape interpolation points may be acquired.
ステップＳ２０において、データ収集処理部２１は、ステップＳ１０で取得した標高情報に基づいて、車両１００が現在走行している道路区間における道路勾配を計算する。ここでは、ステップＳ１０で取得した各ノードまたは各形状補間点間の標高情報に基づいてこれらの標高差を算出し、その標高差を当該道路区間の距離で除算することにより道路勾配を計算する。なお、車両１００が現在走行している道路区間の距離は、標高情報を取得した各ノードまたは各形状補間点間の座標値の差分に基づいて算出することができる。あるいは、当該道路区間の距離情報が地図データにおいて設定されている場合はこれを用いてもよい。 In step S20, the data collection processing unit 21 calculates the road gradient in the road section where the vehicle 100 is currently traveling based on the altitude information acquired in step S10. Here, these elevation differences are calculated based on the elevation information between each node or each shape interpolation point acquired in step S10, and the elevation gradient is calculated by dividing the elevation difference by the distance of the road section. The distance of the road section in which the vehicle 100 is currently traveling can be calculated based on the difference in coordinate values between each node or each shape interpolation point from which the altitude information is acquired. Or when the distance information of the said road area is set in map data, you may use this.
ステップＳ３０において、データ収集処理部２１は、ステップＳ２０で計算した道路勾配に基づいて、車両１００が平坦な道路区間を走行しているか否かを判定するための平坦箇所判定を行う。ここでは、ステップＳ２０で計算した道路勾配の大きさが所定の閾値の範囲内であれば、車両１００が平坦な道路区間を走行していると判定し、そうでなければ車両１００が平坦な道路区間を走行していないと判定する。たとえば、±０．５％の範囲を平坦である道路勾配の閾値として予め設定しておき、ステップＳ２０で計算した道路勾配の大きさの百分率がこの閾値の範囲内であるか否かによりステップＳ３０の平坦箇所判定を行うことができる。 In step S30, the data collection processing unit 21 performs flat spot determination for determining whether or not the vehicle 100 is traveling on a flat road section based on the road gradient calculated in step S20. Here, if the magnitude of the road gradient calculated in step S20 is within a predetermined threshold range, it is determined that the vehicle 100 is traveling on a flat road section. Otherwise, the vehicle 100 is a flat road. It is determined that the vehicle is not traveling in the section. For example, a range of ± 0.5% is preset as a flat road gradient threshold value, and step S30 depends on whether the percentage of the road gradient magnitude calculated in step S20 is within this threshold range. Can be determined.
ステップＳ４０において、データ収集処理部２１は、ステップＳ３０で行った平坦箇所判定の結果により、車両１００が平坦箇所を走行中であるか否かを判定する。車両１００が平坦な道路区間を走行しているとステップＳ３０で判定した場合は、車両１００が平坦箇所を走行中であるとしてステップＳ５０へ進む。一方、車両１００が平坦な道路区間を走行していないとステップＳ３０で判定した場合は、車両１００が平坦箇所を走行中ではないとして、次の処理周期まで待機した後にステップＳ１０へ戻る。この場合、今回の処理周期では車両情報は取得されない。 In step S40, the data collection processing unit 21 determines whether or not the vehicle 100 is traveling in a flat place based on the result of the flat place determination performed in step S30. If it is determined in step S30 that the vehicle 100 is traveling on a flat road section, the process proceeds to step S50 assuming that the vehicle 100 is traveling on a flat location. On the other hand, if it is determined in step S30 that the vehicle 100 is not traveling on a flat road section, it is determined that the vehicle 100 is not traveling on a flat portion, and the process returns to step S10 after waiting until the next processing cycle. In this case, vehicle information is not acquired in the current processing cycle.
ステップＳ５０において、データ収集処理部２１は、車両１００から出力される車両情報を取得する。ここでは前述のように、エンジンコントローラ２から出力されるエンジン回転数情報および燃料消費量情報と、車速センサ４から出力される車両速度情報とを、車両１００からの車両情報として取得する。このようにして、車両１００が走行しているときの車両情報を車両１００から取得する。さらにこのときデータ収集処理部２１は、振動ジャイロ１２から角速度の検出結果を取得する。 In step S <b> 50, the data collection processing unit 21 acquires vehicle information output from the vehicle 100. Here, as described above, the engine speed information and fuel consumption information output from the engine controller 2 and the vehicle speed information output from the vehicle speed sensor 4 are acquired as vehicle information from the vehicle 100. In this way, vehicle information when the vehicle 100 is traveling is acquired from the vehicle 100. Further, at this time, the data collection processing unit 21 acquires the detection result of the angular velocity from the vibration gyro 12.
図３のステップＳ６０〜Ｓ１００では、データ選定処理部２２によるデータ選定処理を行う。ステップＳ６０において、データ選定処理部２２は、ステップＳ５０でデータ収集処理部２１により取得された車両情報に含まれる車両速度情報に基づいて、現在と過去の間の車両１００の速度の差が所定範囲内であるか否かを判定する。たとえば、現在の車両速度情報が表す車両１００の速度と、現在よりも１秒前に取得した車両速度情報が表す車両１００の速度との差分が１ｋｍ／ｈ以内であれば、車両１００の速度差が所定範囲内であると判定してステップＳ７０へ進む。そうでない場合は、車両１００の速度差が所定範囲内ではないと判定し、次の処理周期まで待機した後にステップＳ１０へ戻る。この場合、今回の処理周期では燃料消費量は記録されない。 In steps S60 to S100 in FIG. 3, the data selection processing by the data selection processing unit 22 is performed. In step S60, the data selection processing unit 22 determines that the difference in the speed of the vehicle 100 between the present and the past is within a predetermined range based on the vehicle speed information included in the vehicle information acquired by the data collection processing unit 21 in step S50. It is determined whether it is in. For example, if the difference between the speed of the vehicle 100 represented by the current vehicle speed information and the speed of the vehicle 100 represented by the vehicle speed information acquired one second before the current is within 1 km / h, the speed difference of the vehicle 100 Is within the predetermined range, the process proceeds to step S70. Otherwise, it is determined that the speed difference of the vehicle 100 is not within the predetermined range, and the process returns to step S10 after waiting until the next processing cycle. In this case, the fuel consumption amount is not recorded in the current processing cycle.
ステップＳ７０において、データ選定処理部２２は、ステップＳ５０で振動ジャイロ１２から取得された角速度の検出結果に基づいて、現在と過去の間の車両１００の方位の差が所定範囲内であるか否かを判定する。たとえば、現在の角速度から求められた車両１００の方位と、現在よりも１秒前に取得した角速度から求められた車両１００の方位との差分が１°以内であれば、車両１００の方位差が所定範囲内であると判定してステップＳ８０へ進む。そうでない場合は、車両１００の方位差が所定範囲内ではないと判定し、次の処理周期まで待機した後にステップＳ１０へ戻る。この場合にも、今回の処理周期では燃料消費量は記録されない。 In step S70, the data selection processing unit 22 determines whether or not the difference in azimuth of the vehicle 100 between the present and the past is within a predetermined range based on the angular velocity detection result acquired from the vibration gyroscope 12 in step S50. Determine. For example, if the difference between the azimuth of the vehicle 100 obtained from the current angular velocity and the azimuth of the vehicle 100 obtained from the angular velocity obtained one second before the present is within 1 °, the azimuth difference of the vehicle 100 is It determines with it being in the predetermined range, and progresses to step S80. Otherwise, it is determined that the heading difference of the vehicle 100 is not within the predetermined range, and the process returns to step S10 after waiting for the next processing cycle. Also in this case, the fuel consumption is not recorded in the current processing cycle.
ステップＳ８０において、データ選定処理部２２は、ステップＳ５０でデータ収集処理部２１により取得された車両情報に含まれるエンジン回転数情報に基づいて、現在と過去の間のエンジン３の回転数の差が所定範囲内であるか否かを判定する。たとえば、現在のエンジン回転数情報が表すエンジン３の回転数と、現在よりも１秒前に取得したエンジン回転数情報が表すエンジン３の回転数との差分が１００ｒｐｍ以内であれば、エンジン３の回転数差が所定範囲内であると判定してステップＳ９０へ進む。そうでない場合は、エンジン３の回転数差が所定範囲内ではないと判定し、次の処理周期まで待機した後にステップＳ１０へ戻る。この場合にも、今回の処理周期では燃料消費量は記録されない。 In step S80, the data selection processing unit 22 determines the difference in the rotational speed of the engine 3 between the present and the past based on the engine rotational speed information included in the vehicle information acquired by the data collection processing unit 21 in step S50. It is determined whether it is within a predetermined range. For example, if the difference between the rotational speed of the engine 3 represented by the current engine rotational speed information and the rotational speed of the engine 3 represented by the engine rotational speed information acquired one second before the current is within 100 rpm, the engine 3 It is determined that the rotational speed difference is within the predetermined range, and the process proceeds to step S90. Otherwise, it is determined that the rotational speed difference of the engine 3 is not within the predetermined range, and after waiting for the next processing cycle, the process returns to step S10. Also in this case, the fuel consumption is not recorded in the current processing cycle.
ステップＳ９０において、データ選定処理部２２は、ステップＳ５０でデータ収集処理部２１により取得された車両情報に含まれる燃料消費量情報に基づいて、現在と過去の間の車両１００の燃料消費量の差が所定範囲内であるか否かを判定する。たとえば、現在の燃料消費量情報が表す車両１００の燃料消費量と、現在よりも１秒前に取得した燃料消費量情報が表す車両１００の燃料消費量との差分が０．０１ｃｃ以内であれば、車両１００の燃料消費量差が所定範囲内であると判定してステップＳ１００へ進む。そうでない場合は、車両１００の燃料消費量差が所定範囲内ではないと判定し、次の処理周期まで待機した後にステップＳ１０へ戻る。この場合にも、今回の処理周期では燃料消費量は記録されない。 In step S90, the data selection processing unit 22 determines the difference in fuel consumption of the vehicle 100 between the present and the past based on the fuel consumption information included in the vehicle information acquired by the data collection processing unit 21 in step S50. Is determined to be within a predetermined range. For example, if the difference between the fuel consumption of the vehicle 100 represented by the current fuel consumption information and the fuel consumption of the vehicle 100 represented by the fuel consumption information acquired one second before the present is within 0.01 cc Then, it is determined that the fuel consumption difference of the vehicle 100 is within the predetermined range, and the process proceeds to step S100. Otherwise, it is determined that the fuel consumption difference of the vehicle 100 is not within the predetermined range, and the process returns to step S10 after waiting for the next processing cycle. Also in this case, the fuel consumption is not recorded in the current processing cycle.
なお、以上説明したステップＳ６０〜Ｓ９０の各処理は、必ずしも全てを実行する必要はなく、いずれかを適宜省略してもよい。すなわち、ステップＳ６０〜Ｓ９０の各処理のうちいずれか少なくとも一つを実行することにより、データ選定処理部２２は、ステップＳ５０で取得した車両情報に含まれる燃料消費量情報から、ステップＳ１００で記録対象とする燃料消費量情報を選定することができる。 Note that it is not always necessary to execute all the processes in steps S60 to S90 described above, and any of them may be omitted as appropriate. That is, by executing at least one of the processes in steps S60 to S90, the data selection processing unit 22 records the fuel consumption information included in the vehicle information acquired in step S50 in step S100. The fuel consumption information can be selected.
ステップＳ１００において、データ選定処理部２２は、ステップＳ５０でデータ収集処理部２１により取得された車両情報に基づいて、車両１００の燃料消費量を記録部１１に記録する。すなわち、ステップＳ５０で取得された車両情報に含まれる燃料消費量情報が表す車両１００の燃料消費量を記録部１１に記録する。 In step S100, the data selection processing unit 22 records the fuel consumption amount of the vehicle 100 in the recording unit 11 based on the vehicle information acquired by the data collection processing unit 21 in step S50. That is, the fuel consumption amount of the vehicle 100 represented by the fuel consumption amount information included in the vehicle information acquired in step S50 is recorded in the recording unit 11.
ここで、ステップＳ１００で燃料消費量を記録部１１に記録するときの記録方法の例について説明する。図６は、燃料消費量の記録に用いられる燃料消費量学習テーブルの例を示している。この燃料消費量学習テーブルでは、車両１００の走行速度を１０ｋｍ／ｈ間隔で複数の速度帯に分け、その速度帯ごとに、ステップＳ６０〜Ｓ９０の各処理によって選定された燃料消費量の値が分類して記録されている。なお、図６において燃料消費量が空欄の部分は、その速度帯の燃料消費量がまだ記録されていないことを表している。図６のような燃料消費量学習テーブルは、たとえばリングバッファを用いて実現することができる。 Here, an example of a recording method when the fuel consumption amount is recorded in the recording unit 11 in step S100 will be described. FIG. 6 shows an example of a fuel consumption learning table used for recording fuel consumption. In this fuel consumption amount learning table, the traveling speed of the vehicle 100 is divided into a plurality of speed zones at an interval of 10 km / h, and the fuel consumption values selected by the processes in steps S60 to S90 are classified for each speed zone. It is recorded as. In FIG. 6, the portion where the fuel consumption is blank represents that the fuel consumption for that speed band has not yet been recorded. The fuel consumption learning table as shown in FIG. 6 can be realized using, for example, a ring buffer.
さらに図６に示す燃料消費量学習テーブルでは、複数の速度帯をまとめて一つのグループとしてグループ分けされており、各グループに対して個別のテーブル番号が割り当てられている。たとえば、１０ｋｍ／ｈ、２０ｋｍ／ｈおよび３０ｋｍ／ｈの各速度帯によって構成されるグループには、テーブル番号として「テーブル１」が設定されている。同様に、図６に示す各速度帯のグループに対して、その速度の値が小さいものから順に、「テーブル２」、「テーブル３」、「テーブル４」および「テーブル５」の各テーブル番号がそれぞれ設定されている。 Further, in the fuel consumption learning table shown in FIG. 6, a plurality of speed zones are grouped as one group, and an individual table number is assigned to each group. For example, “table 1” is set as a table number in a group constituted by speed zones of 10 km / h, 20 km / h, and 30 km / h. Similarly, the table numbers of “table 2”, “table 3”, “table 4”, and “table 5” are assigned to the groups of the speed zones shown in FIG. Each is set.
図３のステップＳ１００では、ステップＳ５０で取得された車両情報に含まれる車両速度情報に基づいて、以上説明したような燃料消費量学習テーブルの該当する速度帯の欄に燃料消費量が記録される。こうした燃料消費量学習テーブルを記録部１１において記録しておくことにより、ナビゲーション装置１は車両１００が走行しているときの燃料消費量を学習することができる。なお、図６に示した燃料消費量学習テーブルのフォーマットは一例であるため、これ以外のフォーマットによる燃料消費量学習テーブルを用いて燃料消費量を記録部１１に記録してもよい。 In step S100 of FIG. 3, based on the vehicle speed information included in the vehicle information acquired in step S50, the fuel consumption is recorded in the corresponding speed zone column of the fuel consumption learning table as described above. . By recording such a fuel consumption learning table in the recording unit 11, the navigation apparatus 1 can learn the fuel consumption when the vehicle 100 is traveling. Since the format of the fuel consumption learning table shown in FIG. 6 is an example, the fuel consumption may be recorded in the recording unit 11 using a fuel consumption learning table in a format other than this.
ステップＳ１００を実行したら、データ選定処理部２２は、次の処理周期まで待機した後にステップＳ１０へ戻る。以上説明したようにして、図３のフローチャートに示すデータ収集・選定処理が実行される。 After executing step S100, the data selection processing unit 22 waits until the next processing cycle and then returns to step S10. As described above, the data collection / selection process shown in the flowchart of FIG. 3 is executed.
次に、図４に示す正味熱効率推定処理のフローチャートについて説明する。制御部１０は、正味熱効率推定部２３により、図４に示す正味熱効率推定処理を所定の処理周期ごとに繰り返し実行する。 Next, the flowchart of the net thermal efficiency estimation process shown in FIG. 4 will be described. The control unit 10 causes the net thermal efficiency estimation unit 23 to repeatedly execute the net thermal efficiency estimation process shown in FIG. 4 every predetermined processing cycle.
ステップＳ１１０において、正味熱効率推定部２３は、記録部１１に記録されている燃料消費量学習テーブルから、図３のステップＳ１００で記録された燃料消費量の学習データ量が所定の閾値を超えたテーブルを検索する。ここでは、前述のような燃料消費量学習テーブルにおける速度帯を複数のグループに分け、そのグループ単位で、前回の処理時と比べた燃料消費量の学習データの増加量が所定の閾値を超えたものを検索対象として求める。すなわち、図６に例示した燃料消費量学習テーブルでは、「テーブル１」〜「テーブル５」の各テーブル番号に対応するグループ単位で、所定数以上の燃料消費量が新たに記録されたものを検索する。 In step S110, the net thermal efficiency estimating unit 23 is a table in which the learning data amount of the fuel consumption recorded in step S100 in FIG. 3 exceeds the predetermined threshold from the fuel consumption learning table recorded in the recording unit 11. Search for. Here, the speed range in the fuel consumption learning table as described above is divided into a plurality of groups, and the increase in the fuel consumption learning data in comparison with the previous processing exceeds the predetermined threshold in each group. Ask for things to search for. That is, in the fuel consumption amount learning table illustrated in FIG. 6, a search is made for a record in which a predetermined number or more of fuel consumption amounts are newly recorded for each group corresponding to each table number of “Table 1” to “Table 5”. To do.
ステップＳ１２０において、正味熱効率推定部２３は、ステップＳ１１０で検索したグループについて、車両１００の速度に応じた正味熱効率を推定する。ここでは、検索されたグループに属する各速度帯に対して新たな学習データとして記録された各燃料消費量に基づいて、予め定められた燃料消費量と正味熱効率の関係式を用いて、グループごとの正味熱効率の推定値を算出する。たとえば、各燃料消費量を入力値とする重回帰分析を行うことにより、正味熱効率の推定値を算出することができる。 In step S120, the net thermal efficiency estimation unit 23 estimates the net thermal efficiency according to the speed of the vehicle 100 for the group searched in step S110. Here, based on each fuel consumption recorded as new learning data for each speed zone belonging to the searched group, a predetermined relationship between fuel consumption and net thermal efficiency is used for each group. Calculate an estimate of net thermal efficiency. For example, an estimated value of net thermal efficiency can be calculated by performing a multiple regression analysis using each fuel consumption amount as an input value.
ステップＳ１３０において、正味熱効率推定部２３は、ステップＳ１２０による正味熱効率の推定結果を記録部１１に記録する。ここでは、ステップＳ１２０で正味熱効率の推定値を算出したグループごとに分類して、その推定値を記録部１１に記録する。なお、当該グループに対して既に推定値が記録されている場合は、その推定値を新たに算出された推定値で更新する。 In step S130, the net thermal efficiency estimation unit 23 records the net thermal efficiency estimation result in step S120 in the recording unit 11. Here, the estimated value of the net thermal efficiency is classified for each group calculated in step S120, and the estimated value is recorded in the recording unit 11. When an estimated value is already recorded for the group, the estimated value is updated with the newly calculated estimated value.
図７は、正味熱効率の推定結果の記録に用いられる正味熱効率テーブルの例を示している。この正味熱効率テーブルでは、図６の燃料消費量学習テーブルにおいて設定されている「テーブル１」〜「テーブル５」の各テーブル番号のグループに対して、算出された正味熱効率εの推定値と、その推定値の使用速度帯とがそれぞれ記録されている。なお、図７において「−」が表示されている部分は、そのグループに対する正味熱効率εの推定値がまだ算出されていないことを表している。 FIG. 7 shows an example of the net thermal efficiency table used for recording the net thermal efficiency estimation result. In this net thermal efficiency table, the estimated value of net thermal efficiency ε calculated for each group of table numbers “table 1” to “table 5” set in the fuel consumption learning table of FIG. The estimated usage speed band is recorded respectively. In FIG. 7, the portion where “-” is displayed represents that the estimated value of the net thermal efficiency ε for the group has not yet been calculated.
図４のステップＳ１３０では、以上説明したような正味熱効率テーブルの該当するグループの欄に算出された正味熱効率εの推定値が記録される。なお、図７に示した正味熱効率テーブルのフォーマットは一例であるため、これ以外のフォーマットによる正味熱効率テーブルを用いて正味熱効率εの推定値を記録部１１に記録してもよい。 In step S130 of FIG. 4, the estimated value of the net thermal efficiency ε calculated is recorded in the corresponding group column of the net thermal efficiency table as described above. Since the format of the net thermal efficiency table shown in FIG. 7 is an example, the estimated value of the net thermal efficiency ε may be recorded in the recording unit 11 by using the net thermal efficiency table in other formats.
ステップＳ１３０を実行したら、正味熱効率推定部２３は、次の処理周期まで待機した後にステップＳ１１０へ戻る。以上説明したようにして、図４のフローチャートに示す正味熱効率推定処理が実行される。 If step S130 is performed, the net thermal efficiency estimation part 23 will return to step S110, after waiting until the next process period. As described above, the net thermal efficiency estimation process shown in the flowchart of FIG. 4 is executed.
続いて、図５に示す経路探索処理のフローチャートについて説明する。制御部１０は、ユーザの操作により目的地が設定され、その目的地までの省エネルート探索の要求があったときに、燃料消費量予測部２４および経路探索処理部２５により、図５に示す経路探索処理を実行する。 Next, the flowchart of the route search process shown in FIG. 5 will be described. When the destination is set by the user's operation and there is a request for energy saving route search to the destination, the control unit 10 causes the route shown in FIG. Execute search processing.
図５のステップＳ２１０〜Ｓ２４０では、燃料消費量予測部２４による燃料消費量予測処理を行う。ステップＳ２１０において、燃料消費量予測部２４は、燃料消費量の予測を行う対象リンクを選択する。ここでは、たとえば車両１００の現在位置から目的地までの間に存在する各メッシュ内のリンクを対象リンクとして選択する。なお、記録部１１に記録されている地図データには、メッシュと呼ばれる区画が所定距離ごとに予め設定されており、メッシュ単位で地図データが管理されている。 In steps S <b> 210 to S <b> 240 of FIG. 5, fuel consumption prediction processing by the fuel consumption prediction unit 24 is performed. In step S210, the fuel consumption amount prediction unit 24 selects a target link for which the fuel consumption amount is predicted. Here, for example, a link in each mesh existing between the current position of the vehicle 100 and the destination is selected as the target link. In the map data recorded in the recording unit 11, sections called meshes are set in advance for each predetermined distance, and the map data is managed in units of meshes.
ステップＳ２２０において、燃料消費量予測部２４は、ステップＳ２１０で選択した各対象リンクについて、そのリンク内の平均速度を計算する。ここでは、地図データにおいて記録されている各対象リンクの距離やリンク旅行時間の情報に基づいて、各対象リンク内の平均速度を算出することができる。さらにこのとき、ＶＩＣＳ受信部１４により受信されたＶＩＣＳ情報や、地図データと共に記録部１１に記録されている統計交通情報において渋滞情報が設定されている対象リンクについては、その渋滞情報を加味して平均速度を計算することが好ましい。 In step S220, the fuel consumption amount prediction unit 24 calculates an average speed in each link for each target link selected in step S210. Here, the average speed in each target link can be calculated based on the information on the distance and link travel time of each target link recorded in the map data. Further, at this time, for the target link for which traffic jam information is set in the VICS information received by the VICS receiver 14 and the statistical traffic information recorded in the recording unit 11 together with the map data, the traffic jam information is taken into account. It is preferred to calculate the average speed.
ステップＳ２３０において、燃料消費量予測部２４は、ステップＳ２２０で計算した各対象リンク内の平均速度に基づいて、各対象リンクに対する正味熱効率を取得する。ここでは、ステップＳ２２０で算出された各対象リンク内の平均速度が図７に例示した正味熱効率テーブルにおいてどの使用速度帯に対応するかを判断し、その使用速度帯に対して記録されている正味熱効率εの推定値を記録部１１から読み取る。こうした処理を各対象リンクについてそれぞれ行うことにより、各対象リンクに対する正味熱効率を取得することができる。 In step S230, the fuel consumption prediction unit 24 acquires the net thermal efficiency for each target link based on the average speed in each target link calculated in step S220. Here, it is determined which use speed band corresponds to the average speed in each target link calculated in step S220 in the net thermal efficiency table illustrated in FIG. 7, and the net recorded for the use speed band is recorded. The estimated value of the thermal efficiency ε is read from the recording unit 11. By performing such processing for each target link, the net thermal efficiency for each target link can be acquired.
ステップＳ２４０において、燃料消費量予測部２４は、ステップＳ２３０で各対象リンクに対して取得した正味熱効率に基づいて、各対象リンクの燃料消費量の予測値を計算する。ここでは、以下の式（１）によって表される予測モデルを用いて、各対象リンクの正味熱効率εの推定値に対応する燃料消費量Ｑの予測値（単位：cc）を対象リンクごとに算出する。 In step S240, the fuel consumption amount prediction unit 24 calculates a predicted value of the fuel consumption amount of each target link based on the net thermal efficiency acquired for each target link in step S230. Here, the predicted value (unit: cc) of the fuel consumption Q corresponding to the estimated value of the net thermal efficiency ε of each target link is calculated for each target link using the prediction model represented by the following equation (1). To do.
上記の式（１）において、Ｆ（単位：cc）は基礎燃料消費量を表しており、下記の式（２）により算出される。ηは伝達効率を表しており、車両１００のトランスミッション構造等に応じて予め設定されている定数である。Ｈ（単位：J/cc）は燃料１ｃｃ当たりの仕事当量を表しており、燃料の種類等に応じて予め設定されている定数である。Ｒｆ、Ｒｉ、Ｒａ、Ｒｂ（単位：kg・m2/s2）は摩擦抵抗、勾配抵抗、空気抵抗、加速抵抗をそれぞれ表しており、下記の式（３）〜（６）によりそれぞれ算出される。 In the above formula (1), F (unit: cc) represents the basic fuel consumption, and is calculated by the following formula (2). η represents transmission efficiency, and is a constant set in advance according to the transmission structure of the vehicle 100 and the like. H (unit: J / cc) represents a work equivalent per 1 cc of fuel, and is a constant set in advance according to the type of fuel. R f , R i , R a , R b (unit: kg · m 2 / s 2 ) represent friction resistance, gradient resistance, air resistance, acceleration resistance, respectively, and the following formulas (3) to (6) Respectively.
上記の式（２）において、Ｆｉｌｄｅ（単位：cc/s）は単位時間当たりの燃料消費量を表しており、予め設定されている定数である。ｔ（単位：s）はリンク旅行時間を表しており、前述のステップＳ２２０で計算される各対象リンクのリンク内平均速度とリンク距離に応じて対象リンクごとに決定される。Ｆｃｕｔは各対象リンク内での燃料カットの割合を表しており、対象リンクごとに設定される。たとえば、各対象リンクの渋滞状況や、地図データにおいて各対象リンクの両端に存在する交差点の種類等に基づいて、各対象リンクにおける車両１００の停止時間の割合を求め、これに応じて対象リンクごとにＦｃｕｔの値を設定することができる。 In the above equation (2), Field (unit: cc / s) represents the fuel consumption per unit time, and is a preset constant. t (unit: s) represents the link travel time, and is determined for each target link according to the in-link average speed and link distance of each target link calculated in step S220 described above. F cut represents the ratio of fuel cut in each target link, and is set for each target link. For example, the ratio of the stop time of the vehicle 100 in each target link is obtained based on the traffic jam status of each target link, the type of intersections that exist at both ends of each target link in the map data, and each target link accordingly The value of F cut can be set in.
上記の式（３）において、μは摩擦抵抗係数を表しており、予め設定されている定数である。Ｍ（単位：kg）は車両１００の重量を表しており、予め設定されている定数である。ｇ（単位：m/s2）は重力加速度を表しており、予め設定されている定数である。ｌ（単位：m）は各対象リンクのリンク長を表しており、地図データにおいて記録されているリンク距離情報に基づいて対象リンクごとに設定される。 In the above equation (3), μ represents a frictional resistance coefficient and is a preset constant. M (unit: kg) represents the weight of the vehicle 100, and is a preset constant. g (unit: m / s 2 ) represents a gravitational acceleration, and is a preset constant. l (unit: m) represents the link length of each target link, and is set for each target link based on the link distance information recorded in the map data.
上記の式（４）において、Ｍとｇは式（３）と同じく、車両１００の重量と重力加速度をそれぞれ表している。ｈ（単位：m）は各対象リンクの高低差を表しており、対象リンクごとに設定される。たとえば、前述の図３においてステップＳ２０で説明した道路勾配の計算処理における標高差と同様に、各対象リンクの両端に位置する各ノードの標高情報を取得してこれらの差分を算出することで、対象リンクごとにｈの値を設定することができる。 In the above equation (4), M and g represent the weight and gravitational acceleration of the vehicle 100, respectively, as in the equation (3). h (unit: m) represents the height difference of each target link, and is set for each target link. For example, in the same manner as the elevation difference in the road gradient calculation process described in step S20 in FIG. 3 described above, by obtaining the elevation information of each node located at both ends of each target link and calculating these differences, The value of h can be set for each target link.
上記の式（５）において、ρ（単位：kg/m3）は空気密度を表しており、予め設定されている定数である。Ｓ（単位：m2）は車両１００の前面投影面積を表しており、予め設定されている定数である。Ｃｄは空気抵抗係数を表しており、予め設定されている定数である。Ｖｓ（単位：m/s）は各対象リンクのリンク速度を表しており、前述のステップＳ２２０で計算される各対象リンクのリンク内平均速度と同じである。ｌは式（３）と同じく、各対象リンクのリンク長を表している。 In the above formula (5), ρ (unit: kg / m 3 ) represents the air density and is a preset constant. S (unit: m 2 ) represents the front projected area of the vehicle 100 and is a preset constant. C d represents an air resistance coefficient and is a preset constant. V s (unit: m / s) represents the link speed of each target link, and is the same as the intra-link average speed of each target link calculated in step S220 described above. l represents the link length of each target link, as in equation (3).
上記の式（５）において、Ｍは式（３）、（４）と同じく、車両１００の重量を表している。ｍ（単位：kg）は車両１００の回転部分相当質量を表しており、予め設定されている定数である。Ｖｅ（単位：m/s）は各対象リンクの次のリンクにおけるリンク速度を表しており、前述のＶｓと同じく、ステップＳ２２０で当該リンクに対して計算されるリンク内平均速度と同じである。Ｖｓは式（５）と同じく、各対象リンクのリンク速度を表している。 In the above equation (5), M represents the weight of the vehicle 100 as in equations (3) and (4). m (unit: kg) represents the mass equivalent to the rotating portion of the vehicle 100, and is a preset constant. V e (unit: m / s) represents the link speed in the next link of each target link, and is the same as the intra-link average speed calculated for the link in step S220, similar to the above-described V s. is there. V s is like the formula (5) represents the link speed of each target link.
ステップ２４０では、以上説明したような予測モデルを用いて、正味熱効率εの推定値に対応する燃料消費量Ｑの予測値が算出される。こうして燃料消費量の予測値を各対象リンクについて算出することで、燃料消費量予測部２４は車両１００がこれから走行する予定の道路に対する燃料消費量を予測する。 In step 240, the predicted value of the fuel consumption Q corresponding to the estimated value of the net thermal efficiency ε is calculated using the predicted model as described above. Thus, by calculating the predicted value of the fuel consumption for each target link, the fuel consumption prediction unit 24 predicts the fuel consumption for the road on which the vehicle 100 is scheduled to travel.
ステップＳ２５０において、経路探索処理部２５は、ステップＳ２４０で計算された各対象リンクの燃料消費量の予測値に基づいて、車両１００の現在位置から設定された目的地までの経路探索を行う。ここでは、車両１００の現在位置を出発地として、そこから目的地までの間で燃料消費量の予測値が最小となるリンクの組み合わせをダイクストラ法等の周知の手法を用いて探索し、探索されたリンクの組み合わせを推奨経路に設定する。こうして経路探索処理部２５が経路探索を行うことにより、ナビゲーション装置１において省エネルート探索が実現される。 In step S250, the route search processing unit 25 performs a route search from the current position of the vehicle 100 to the set destination based on the predicted fuel consumption amount of each target link calculated in step S240. Here, the current position of the vehicle 100 is set as a starting point, and a link combination that minimizes the predicted value of fuel consumption between the current position and the destination is searched using a known method such as the Dijkstra method. Set the recommended link combination. In this way, the route search processing unit 25 performs the route search, whereby the energy saving route search is realized in the navigation device 1.
ステップＳ２５０を実行したら、制御部１０は探索結果として得られた推奨経路を表示モニタ１５に表示し、図５のフローチャートを終了する。以上説明したようにして、図５のフローチャートに示す経路探索処理が実行される。 After executing step S250, the control unit 10 displays the recommended route obtained as a search result on the display monitor 15, and ends the flowchart of FIG. As described above, the route search process shown in the flowchart of FIG. 5 is executed.
以上説明した実施の形態によれば、次のような作用効果を奏することができる。 According to the embodiment described above, the following operational effects can be obtained.
（１）ナビゲーション装置１は、データ収集処理部２１により、車両１００が走行しているときの速度情報および燃料消費量情報を含む車両情報を車両１００から取得し（ステップＳ５０）、その車両情報に基づいて、データ選定処理部２２により、車両１００の燃料消費量を学習する（ステップＳ１００）。こうして学習された車両１００の燃料消費量に基づいて、正味熱効率推定部２３により、車両１００の速度に応じた正味熱効率を推定して記録し（ステップＳ１２０、Ｓ１３０）、その正味熱効率に基づいて、燃料消費量予測部２４により、車両１００が走行する予定の道路に対する燃料消費量を予測する（ステップＳ２４０）。このようにしたので、車両１００の速度に応じた正味熱効率の変化を考慮して、燃料消費量を正確に予測することができる。 (1) The navigation apparatus 1 uses the data collection processing unit 21 to acquire vehicle information including speed information and fuel consumption information when the vehicle 100 is traveling from the vehicle 100 (step S50). Based on this, the fuel consumption of the vehicle 100 is learned by the data selection processing unit 22 (step S100). Based on the fuel consumption of the vehicle 100 learned in this way, the net thermal efficiency estimation unit 23 estimates and records the net thermal efficiency according to the speed of the vehicle 100 (steps S120 and S130), and based on the net thermal efficiency, The fuel consumption amount prediction unit 24 predicts the fuel consumption amount for the road on which the vehicle 100 is to travel (step S240). Since it did in this way, fuel consumption can be correctly estimated in consideration of the change of the net thermal efficiency according to the speed of the vehicle 100.
（２）データ収集処理部２１は、ステップＳ１００において、ステップＳ５０で取得した車両情報に基づいて車両１００の燃料消費量を速度帯ごとに分類した図６のような燃料消費量学習テーブルを記録部１１に記録することにより、車両１００の燃料消費量を学習する。正味熱効率推定部２３は、ステップＳ１２０において、この燃料消費量学習テーブルに基づいて、車両１００の速度に応じた正味熱効率を推定する。このようにしたので、車両１００の速度に応じた正味熱効率を確実かつ容易に推定することができる。 (2) In step S100, the data collection processing unit 21 records a fuel consumption learning table as shown in FIG. 6 in which the fuel consumption of the vehicle 100 is classified for each speed zone based on the vehicle information acquired in step S50. 11, the fuel consumption amount of the vehicle 100 is learned. In step S120, the net thermal efficiency estimation unit 23 estimates the net thermal efficiency according to the speed of the vehicle 100 based on the fuel consumption learning table. Since it did in this way, the net thermal efficiency according to the speed of the vehicle 100 can be estimated reliably and easily.
（３）燃料消費量学習テーブルは、図６に示すように複数の速度帯をまとめて一つのグループとしてグループ分けされている。正味熱効率推定部２３は、ステップＳ１２０において、この燃料消費量学習テーブルにおいて所定数以上の燃料消費量が記録されたグループについて、正味熱効率を推定する。このようにしたので、車両１００の速度に応じた正味熱効率の推定を適切なタイミングで行うことができる。 (3) As shown in FIG. 6, the fuel consumption learning table is a group of a plurality of speed zones. In step S120, the net thermal efficiency estimation unit 23 estimates the net thermal efficiency for a group in which a predetermined number or more of fuel consumption is recorded in the fuel consumption learning table. Since it did in this way, estimation of the net thermal efficiency according to the speed of the vehicle 100 can be performed at an appropriate timing.
（４）データ収集処理部２１は、車両１００が平坦な道路区間を走行しているか否かを判定し（ステップＳ４０）、平坦な道路区間を走行していないと判定された場合、ステップＳ５０において車両情報を取得しないようにした。これにより、車両１００が平坦な道路区間を走行していないときに出力された正味熱効率の推定に用いるのに適切ではない車両情報を取得対象から除外することができる。そのため、正味熱効率推定部２３により正味熱効率を正確に推定することができる。 (4) The data collection processing unit 21 determines whether or not the vehicle 100 is traveling on a flat road section (step S40). If it is determined that the vehicle 100 is not traveling on a flat road section, in step S50 Vehicle information is not acquired. Thereby, vehicle information that is not appropriate for use in estimating the net thermal efficiency output when the vehicle 100 is not traveling on a flat road section can be excluded from acquisition targets. Therefore, the net thermal efficiency estimation unit 23 can accurately estimate the net thermal efficiency.
（５）ナビゲーション装置１は、データ選定処理部２２がデータ選定処理を行うことにより、ステップＳ５０でデータ収集処理部２１によって取得された車両情報に含まれる燃料消費量情報から処理対象とする燃料消費量情報を選定する（ステップＳ６０〜Ｓ９０）。正味熱効率推定部２３は、このデータ選定処理によって選定された燃料消費量情報に基づいて、ステップＳ１２０において正味熱効率を推定する。このようにしたので、正味熱効率の推定に用いるのに適切な燃料消費量情報を選定し、正確な正味熱効率の推定値を得ることができる。 (5) In the navigation apparatus 1, the data selection processing unit 22 performs the data selection process, so that the fuel consumption to be processed from the fuel consumption information included in the vehicle information acquired by the data collection processing unit 21 in step S50. Quantity information is selected (steps S60 to S90). The net thermal efficiency estimation unit 23 estimates the net thermal efficiency in step S120 based on the fuel consumption information selected by the data selection process. Since it did in this way, the fuel consumption information suitable for using for estimation of a net thermal efficiency can be selected, and the exact estimated value of a net thermal efficiency can be obtained.
（６）データ選定処理部２２は、ステップＳ６０〜Ｓ９０において、車速センサ４からの速度情報が表す車両１００の速度、自車位置検出処理部２０により検出された車両１００の方位、車両情報に含まれるエンジン回転数情報が表す車両１００のエンジン回転数、および燃料消費量情報が表す車両１００の燃料消費量のいずれか少なくとも一つにおける現在の値と過去の値との差分に基づいて、処理対象とする燃料消費量情報を選定する。このようにしたので、車両１００の状態変化を考慮して、正味熱効率の推定に用いるのに適切な燃料消費量情報を確実に選定することができる。 (6) In steps S60 to S90, the data selection processing unit 22 includes the speed of the vehicle 100 represented by the speed information from the vehicle speed sensor 4, the direction of the vehicle 100 detected by the own vehicle position detection processing unit 20, and the vehicle information. To be processed based on the difference between the current value and the past value in at least one of the engine speed of the vehicle 100 represented by the engine speed information and the fuel consumption of the vehicle 100 represented by the fuel consumption information. Select the fuel consumption information. Since it did in this way, considering the state change of the vehicle 100, fuel consumption information appropriate for use in estimating the net thermal efficiency can be selected reliably.
（７）ナビゲーション装置１は、経路探索処理部２５により、ステップＳ２４０で燃料消費量予測部２４によって予測された燃料消費量に基づいて、車両１００に対する推奨経路を探索する（ステップＳ２５０）。このようにしたので、目的地までの燃料消費量が最も少ない経路を探索して推奨経路とする省エネルート探索を実現することができる。 (7) The navigation device 1 searches the recommended route for the vehicle 100 by the route search processing unit 25 based on the fuel consumption predicted by the fuel consumption prediction unit 24 in step S240 (step S250). Since it did in this way, the search for the energy-saving route which searches for the route with the least fuel consumption to the destination and makes it a recommended route can be realized.
（８）燃料消費量予測部２４は、推奨経路の探索に用いる対象リンクを選択し（ステップＳ２１０）、その対象リンク内の平均速度を計算する（ステップＳ２２０）。そして、ステップＳ１２０、Ｓ１３０で正味熱効率推定部２３によって推定され記録された正味熱効率のうち、ステップＳ２２０で計算された対象リンク内の平均速度に応じた正味熱効率を取得し（ステップＳ２３０）、その正味熱効率に基づいて、対象リンクに対する燃料消費量をステップＳ２４０において予測する。このようにしたので、車両１００の速度に応じて推定された正味熱効率のうち対象リンクにとって最適な正味熱効率を用いて、燃料消費量の予測を行うことができる。 (8) The fuel consumption prediction unit 24 selects a target link used for searching for a recommended route (step S210), and calculates an average speed in the target link (step S220). Then, among the net thermal efficiencies estimated and recorded by the net thermal efficiency estimation unit 23 in steps S120 and S130, the net thermal efficiency corresponding to the average speed in the target link calculated in step S220 is acquired (step S230), and the net thermal efficiency is obtained. Based on the thermal efficiency, the fuel consumption for the target link is predicted in step S240. Since it did in this way, fuel consumption can be estimated using the net thermal efficiency optimal for an object link among the net thermal efficiency estimated according to the speed of the vehicle 100. FIG.
なお、上記実施の形態では、燃料消費量予測部２４によって予測された各対象リンクの燃料消費量を省エネルート探索に利用するナビゲーション装置１での適用例を説明したが、ナビゲーション装置以外の車載装置や燃料消費量予測装置において本発明を適用してもよい。前述したような各処理を行うことにより、処理対象とする道路を車両が走行したときの燃料消費量を予測できるものであれば、どのような装置についても本発明を適用可能である。 In the above embodiment, the application example in the navigation device 1 that uses the fuel consumption of each target link predicted by the fuel consumption prediction unit 24 for energy saving route search has been described. Alternatively, the present invention may be applied to a fuel consumption amount prediction apparatus. The present invention can be applied to any apparatus as long as the fuel consumption when the vehicle travels on the road to be processed can be predicted by performing each process as described above.
以上説明した実施の形態や各種の変形例はあくまで一例であり、発明の特徴が損なわれない限り、本発明はこれらの内容に限定されるものではない。 The embodiment and various modifications described above are merely examples, and the present invention is not limited to these contents as long as the features of the invention are not impaired.
１：ナビゲーション装置、２：エンジンコントローラ、３：エンジン、４：車速センサ、
１０：制御部、１１：記録部、１２：振動ジャイロ、１３：ＧＰＳ受信部、
１４：ＶＩＣＳ受信部、１５：表示モニタ、１６：入力装置、１７：スピーカ、
２０：自車位置検出処理部、２１：データ収集処理部、２２：データ選定処理部、
２３：正味熱効率推定部、２４：燃料消費量予測部、２５：経路探索処理部、
１００：車両
1: navigation device, 2: engine controller, 3: engine, 4: vehicle speed sensor,
10: control unit, 11: recording unit, 12: vibration gyro, 13: GPS receiving unit,
14: VICS receiver, 15: display monitor, 16: input device, 17: speaker,
20: own vehicle position detection processing unit, 21: data collection processing unit, 22: data selection processing unit,
23: Net thermal efficiency estimation unit, 24: Fuel consumption prediction unit, 25: Route search processing unit,
100: Vehicle
Claims (9)
前記車両情報取得手段により取得された車両情報に基づいて、前記車両の燃料消費量を学習する学習手段と、
前記学習手段により学習された前記車両の燃料消費量に基づいて、前記車両の速度に応じた正味熱効率を推定する正味熱効率推定手段と、
前記正味熱効率推定手段により推定された正味熱効率に基づいて、前記車両が走行する予定の道路に対する燃料消費量を予測する燃料消費量予測手段とを備えることを特徴とする燃料消費量予測装置。 Vehicle information acquisition means for acquiring vehicle information including speed information and fuel consumption information when the vehicle is running from the vehicle;
Learning means for learning fuel consumption of the vehicle based on the vehicle information acquired by the vehicle information acquisition means;
Net thermal efficiency estimating means for estimating a net thermal efficiency according to the speed of the vehicle based on the fuel consumption of the vehicle learned by the learning means;
A fuel consumption prediction apparatus comprising: a fuel consumption prediction unit that predicts a fuel consumption amount for a road on which the vehicle is to travel based on the net thermal efficiency estimated by the net thermal efficiency estimation unit.
前記学習手段は、前記車両情報に基づいて前記車両の燃料消費量を速度帯ごとに分類した燃料消費量学習テーブルを記録手段に記録することにより、前記車両の燃料消費量を学習し、
前記正味熱効率推定手段は、前記燃料消費量学習テーブルに基づいて、前記車両の速度に応じた正味熱効率を推定することを特徴とする燃料消費量予測装置。 The fuel consumption prediction apparatus according to claim 1,
The learning means learns the fuel consumption of the vehicle by recording in a recording means a fuel consumption learning table in which the fuel consumption of the vehicle is classified for each speed band based on the vehicle information,
The net thermal efficiency estimation unit estimates a net thermal efficiency according to the speed of the vehicle based on the fuel consumption learning table.
前記燃料消費量学習テーブルは、複数の速度帯をまとめて一つのグループとしてグループ分けされており、
前記正味熱効率推定手段は、前記燃料消費量学習テーブルにおいて所定数以上の燃料消費量が記録されたグループについて、前記正味熱効率を推定することを特徴とする燃料消費量予測装置。 The fuel consumption prediction apparatus according to claim 2,
The fuel consumption learning table is grouped as a single group of a plurality of speed zones,
The net thermal efficiency estimation unit estimates the net thermal efficiency for a group in which a predetermined number or more of fuel consumptions are recorded in the fuel consumption learning table.
前記車両が平坦な道路区間を走行しているか否かを判定する平坦判定手段をさらに備え、
前記平坦判定手段により前記車両が平坦な道路区間を走行していないと判定された場合、前記車両情報取得手段は、前記車両情報を取得しないことを特徴とする燃料消費量予測装置。 In the fuel consumption prediction device according to any one of claims 1 to 3,
Flatness determining means for determining whether or not the vehicle is traveling on a flat road section,
The fuel consumption prediction apparatus according to claim 1, wherein the vehicle information acquisition unit does not acquire the vehicle information when the flatness determination unit determines that the vehicle is not traveling on a flat road section.
前記車両情報取得手段により取得された車両情報に含まれる燃料消費量情報から処理対象とする燃料消費量情報を選定する選定処理手段をさらに備え、
前記正味熱効率推定手段は、前記選定処理手段により選定された燃料消費量情報に基づいて前記正味熱効率を推定することを特徴とする燃料消費量予測装置。 In the fuel consumption prediction device according to any one of claims 1 to 4,
Further comprising selection processing means for selecting fuel consumption information to be processed from fuel consumption information included in the vehicle information acquired by the vehicle information acquisition means,
The net heat efficiency estimating means estimates the net heat efficiency based on the fuel consumption information selected by the selection processing means.
前記車両の方位を検出する方位検出手段をさらに備え、
前記車両情報は、前記車両のエンジン回転数情報をさらに含み、
前記選定処理手段は、前記速度情報が表す前記車両の速度、前記方位検出手段により検出された前記車両の方位、前記エンジン回転数情報が表す前記車両のエンジン回転数、および前記燃料消費量情報が表す前記車両の燃料消費量のいずれか少なくとも一つにおける現在の値と過去の値との差分に基づいて、前記処理対象とする燃料消費量情報を選定することを特徴とする燃料消費量予測装置。 The fuel consumption prediction apparatus according to claim 5, wherein
Further comprising azimuth detecting means for detecting the azimuth of the vehicle,
The vehicle information further includes engine speed information of the vehicle,
The selection processing means includes the speed of the vehicle represented by the speed information, the direction of the vehicle detected by the direction detection means, the engine speed of the vehicle represented by the engine speed information, and the fuel consumption information. A fuel consumption amount prediction device that selects fuel consumption amount information to be processed based on a difference between a current value and a past value in at least one of the fuel consumption amounts of the vehicle to be represented .
前記燃料消費量予測手段により予測された燃料消費量に基づいて、前記車両に対する推奨経路を探索する経路探索手段とを備えることを特徴とするナビゲーション装置。 The fuel consumption prediction device according to any one of claims 1 to 6,
A navigation device comprising: route searching means for searching for a recommended route for the vehicle based on the fuel consumption predicted by the fuel consumption prediction means.
前記推奨経路の探索に用いる対象リンクを選択する対象リンク選択手段と、
前記対象リンク内の平均速度を計算する平均速度計算手段とをさらに備え、
前記燃料消費量予測手段は、前記正味熱効率推定手段により推定された正味熱効率のうち、前記平均速度計算手段により計算された前記対象リンク内の平均速度に応じた正味熱効率に基づいて、前記対象リンクに対する燃料消費量を予測することを特徴とするナビゲーション装置。 The navigation device according to claim 7,
Target link selection means for selecting a target link used for searching for the recommended route;
Average speed calculating means for calculating an average speed in the target link,
The fuel consumption prediction means is based on a net thermal efficiency according to an average speed in the target link calculated by the average speed calculation means among the net thermal efficiencies estimated by the net thermal efficiency estimation means. A navigation apparatus for predicting fuel consumption for a vehicle.
前記コンピュータにより、
前記車両が走行しているときの速度情報および燃料消費量情報を含む車両情報を前記車両から取得し、
前記車両情報に基づいて、前記車両の燃料消費量を学習し、
前記車両の燃料消費量の学習結果に基づいて、前記車両の速度に応じた正味熱効率を推定し、
前記正味熱効率に基づいて、前記車両が走行する予定の道路に対する燃料消費量を予測することを特徴とする燃料消費量予測方法。 A method for predicting fuel consumption of a vehicle by a computer mounted on the vehicle,
By the computer
Vehicle information including speed information and fuel consumption information when the vehicle is running is acquired from the vehicle;
Based on the vehicle information, learn the fuel consumption of the vehicle,
Based on the learning result of the fuel consumption of the vehicle, estimate the net thermal efficiency according to the speed of the vehicle,
A fuel consumption prediction method for predicting a fuel consumption for a road on which the vehicle is to travel based on the net thermal efficiency.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011215085A JP5841388B2 (en) | 2011-09-29 | 2011-09-29 | Fuel consumption prediction device, navigation device, and fuel consumption prediction method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011215085A JP5841388B2 (en) | 2011-09-29 | 2011-09-29 | Fuel consumption prediction device, navigation device, and fuel consumption prediction method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2013077051A true JP2013077051A (en) | 2013-04-25 |
| JP5841388B2 JP5841388B2 (en) | 2016-01-13 |
Family
ID=48480493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011215085A Expired - Fee Related JP5841388B2 (en) | 2011-09-29 | 2011-09-29 | Fuel consumption prediction device, navigation device, and fuel consumption prediction method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5841388B2 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2515181A (en) * | 2014-05-08 | 2014-12-17 | Daimler Ag | Evaluating an optimal route of a vehicle |
| CN109789792A (en) * | 2016-09-29 | 2019-05-21 | 三菱电机株式会社 | Program is estimated in oil consumption estimating system, oil consumption estimation method and oil consumption |
| CN112214854A (en) * | 2020-10-26 | 2021-01-12 | 上海三一重机股份有限公司 | Excavator oil consumption prediction method and system and electronic equipment |
| CN113776610A (en) * | 2021-08-04 | 2021-12-10 | 中寰卫星导航通信有限公司 | Method and device for determining vehicle oil consumption |
| JP2023517799A (en) * | 2020-01-17 | 2023-04-27 | クゥアルコム・インコーポレイテッド | Vehicle-to-everything (V2X) assisted local navigation |
| US20230322200A1 (en) * | 2020-07-22 | 2023-10-12 | Cummins Inc. | Systems and methods for online power management for hybrid powertrains |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102472552B1 (en) * | 2022-04-11 | 2022-12-01 | 주식회사 데이탐코리아 | Method For Calculating Energy Consumption And Carbon Discharge Of Car By Utilizing Deep Learning |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5863814A (en) * | 1981-10-13 | 1983-04-15 | Toyota Motor Corp | Arithmetic device for learning fuel |
| JP2002147294A (en) * | 2001-06-18 | 2002-05-22 | Ksi:Kk | Combustibility improving composition, engine cooling aqueous solution and combustibility improving method using this cooling aqueous solution |
| JP2005172582A (en) * | 2003-12-10 | 2005-06-30 | Xanavi Informatics Corp | Route searching method for navigation apparatus |
| JP2011137443A (en) * | 2009-12-03 | 2011-07-14 | Honda Access Corp | Device for supporting low fuel consumption driving |
-
2011
- 2011-09-29 JP JP2011215085A patent/JP5841388B2/en not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5863814A (en) * | 1981-10-13 | 1983-04-15 | Toyota Motor Corp | Arithmetic device for learning fuel |
| JP2002147294A (en) * | 2001-06-18 | 2002-05-22 | Ksi:Kk | Combustibility improving composition, engine cooling aqueous solution and combustibility improving method using this cooling aqueous solution |
| JP2005172582A (en) * | 2003-12-10 | 2005-06-30 | Xanavi Informatics Corp | Route searching method for navigation apparatus |
| JP2011137443A (en) * | 2009-12-03 | 2011-07-14 | Honda Access Corp | Device for supporting low fuel consumption driving |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2515181A (en) * | 2014-05-08 | 2014-12-17 | Daimler Ag | Evaluating an optimal route of a vehicle |
| CN109789792A (en) * | 2016-09-29 | 2019-05-21 | 三菱电机株式会社 | Program is estimated in oil consumption estimating system, oil consumption estimation method and oil consumption |
| JP2023517799A (en) * | 2020-01-17 | 2023-04-27 | クゥアルコム・インコーポレイテッド | Vehicle-to-everything (V2X) assisted local navigation |
| JP7553573B2 (en) | 2020-01-17 | 2024-09-18 | クゥアルコム・インコーポレイテッド | Vehicle-to-Everything (V2X) assisted local navigation |
| US20230322200A1 (en) * | 2020-07-22 | 2023-10-12 | Cummins Inc. | Systems and methods for online power management for hybrid powertrains |
| CN112214854A (en) * | 2020-10-26 | 2021-01-12 | 上海三一重机股份有限公司 | Excavator oil consumption prediction method and system and electronic equipment |
| CN113776610A (en) * | 2021-08-04 | 2021-12-10 | 中寰卫星导航通信有限公司 | Method and device for determining vehicle oil consumption |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5841388B2 (en) | 2016-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5841388B2 (en) | Fuel consumption prediction device, navigation device, and fuel consumption prediction method | |
| JP5926558B2 (en) | Vehicle information system and server device | |
| JP5771902B2 (en) | Route guidance device, route guidance method and computer program | |
| US7590488B2 (en) | Route condition evaluation method and apparatus for navigation system | |
| WO2012035667A1 (en) | Travel distance estimation device, travel distance estimation method, travel distance estimation program and recording medium | |
| JP5549353B2 (en) | Car navigation system | |
| US9857183B2 (en) | Travel support device, travel support method, and drive support system | |
| JP2009293996A (en) | Driver's fatigue degree estimation apparatus and driver's fatigue degree estimation method | |
| JP2008276286A (en) | Travel information collecting device and method for learning travel information | |
| JP2013053999A (en) | Navigation system, navigation device, information processor, and route search method | |
| JP4502766B2 (en) | Route search device | |
| JP2020008436A (en) | Route information assistance device and route information assistance system | |
| JP4998504B2 (en) | Probe information generating apparatus and method | |
| JP5052550B2 (en) | Traffic information management device, traffic information management method, and traffic information management program | |
| JP6088082B2 (en) | Management device, terminal device, route management method, and route acquisition method | |
| JP6183419B2 (en) | Route guidance device, route guidance method and computer program | |
| JP4890659B1 (en) | Energy consumption estimation device, energy consumption estimation method, energy consumption estimation program, and recording medium | |
| JP2010032541A (en) | Route search device | |
| JP2013178133A (en) | On-vehicle device | |
| JP5955742B2 (en) | Information communication system, in-vehicle device, and program | |
| JP4914525B1 (en) | Driving information calculation device and driving information calculation method | |
| WO2015115538A1 (en) | Vehicular information system and server device | |
| KR20110126985A (en) | Apparatus and method for searching driving road of vehicle | |
| JP4947090B2 (en) | Probe information generating apparatus and method | |
| JP2008145234A (en) | Navigation apparatus and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140911 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150421 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150422 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150612 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20151020 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151113 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5841388 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |